PulseAugur
中
实时 07:51:12
实体 Reward Interaction IPS

Reward Interaction IPS

PulseAugur coverage of Reward Interaction IPS — every cluster mentioning Reward Interaction IPS across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
1
90 天内 1
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 1
层级分布 · 90 天
主题
情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条
  1. RESEARCH · CL_228461 ·

    新的自适应双重稳健方法增强了排序策略的离线策略评估

    研究人员推出了一种用于排序策略离线策略评估（OPE）的新方法——自适应双重稳健（ADR）。ADR旨在减少现有OPE技术（如逆倾向评分（IPS）、独立IPS（IIPS）和奖励交互IPS（RIPS））固有的方差和偏差。通过自适应地边际化重要性权重并结合奖励回归，通过控制变量校正，ADR在合成实验中证明了比以前的方法有更低的均方误差。