#Doubly Robust

4 篇

Recommendation Ranking Off-Policy Evaluation under Ranking-Dependent Examination via Examination-Relevance Decomposition

排序依赖曝光下的推荐排序离线策略评估：曝光-相关性分解

🧭 离线评估 · 曝光-相关性分解 ★ 深度解读

Waseda University

将点击分解为曝光与相关性，提出 LE-IIPS 与 ED-DR，修正排序依赖曝光下的 OPE 偏差

📌 工作参考价值（4 点）

在电商/广告排序评估新策略时，点击日志无法区分“未曝光”和“曝光未点击”，直接使用 IIPS 会在曝光概率依赖整个排序（如邻近商品吸引注意力）时产生偏差；可显式建模 e_k(x,a) 和 r(x,a(k))，在权重中乘上 \bar{e}_k^π / e_k 修正。
ED-DR 的双重稳健性适合工程落地：只要曝光概率估计正确，即使相关性模型不准确，评估仍无偏；可在相关性模型不确定时优先保证曝光模型的准确性，降低风险。
样本量小时 IIPS 方差更低，大样本时 ED-DR MSE 更低，存在临界 n*；线上评估前可按历史样本量选择估计器，不必一味用 DR。
用 regression EM + intervention harvesting 初始化估计曝光概率，relevance 模型只依赖 item 不依赖位置，可跨位置池化数据，缓解稀疏 item-position 对。

RecSys | 2026-09-28 | cs.IR | score 8/10

离线策略评估中序列标注预算的最优分配方法

🧭 离线策略评估 · 标注预算优化

University of Southern California · University of California, Berkeley · University of Washington, Seattle

在离线评估中，用有限标注预算优化序列标注概率以最小化方差，结合双重稳健处理缺失标签

📌 工作参考价值（4 点）

在电商搜索推荐场景中，构建离线评估集时往往需要人工标注或付费获取真实点击/转化数据。该方法提供了一种方差最优的标注采样策略：根据样本对评估方差的影响程度分配标注预算，而不是随机采样，可以在相同预算下显著降低策略价值估计的 RMSE（论文中降低 34-68%）。
面对 LLM-as-a-judge 存在的未知偏差，可采用论文中的双重稳健 OPE 框架：将 LLM 标注作为缺失奖励的插补模型，结合少量专家标注进行校正，既降低成本又控制偏差。
序列推荐/会话评估中，论文提出的前向单调标注协议很有借鉴意义：只标注序列中当前及之后的关键状态点，避免回溯标注成本过高，适合在线动态标注场景。
批量自适应实现思路可迁移：在推荐系统 A/B 测试模拟中，先基于历史数据估计每个 context 的潜在方差，再动态调整后续批次的标注概率，逐步逼近最优分配，工程上容易落地。

Eval | 2026-09-22 | cs.LG | score 6/10

带目标正则化的 CVR 因果效应双稳健估计

🧭 CVR 因果效应估计 · 双稳健 + 目标正则化 ★ 深度解读

Tsinghua University · Tencent Inc.

为链式点击-转化结果构造双稳健因果效应估计器，并用目标正则化提升稳定性

📌 工作参考价值（4 点）

在 CVR 因果效应估计中，不要只在点击样本上应用标准因果估计器；可直接采用论文推导的影响函数校正项，构造 P_n(μ2/μ1) + P_n(δ(A=a)/(π μ1^2)[(Y2-μ2)μ1 - (Y1-μ1)μ2])，实现对点击选择偏差和 nuisance model 误差的双稳健。
工程实现上优先用目标正则化替代 one-step DR 校正：在 loss 中加入 R = mean((Y2-μ2)/μ1 - (Y1-μ1)μ2/μ1^2 - ε(a)/π)^2，用低维 spline 参数 ε(a) 学习校正项，能避免低点击率下分母放大导致的数值不稳定。
多任务同时估计 CTR 和 CVR 因果效应，并显式建模 μ2 = μ1 * tilde μ2，可共享底层表征、利用 Y2≤Y1 的先验，提升样本效率；同时 block 从目标正则化项传到 propensity 的梯度，保证 π 估计质量。
对连续 treatment，采用 varying-coefficient 网络（spline 基函数控制网络权重）可防止 treatment 信号被高维协变量淹没，在广告/补贴策略评估中较易迁移。

RecSys | 2026-08-13 | cs.LG | score 8/10

利用策略重叠加速A/B测试：反事实估计视角

🧭 反事实估计 · A/B测试加速 ★ 深度解读

Independent Researcher · aampe

将随机流量分配视为元策略，用Δ-OPE利用策略重叠达成严格方差缩减，并提供最优流量与排名扩展

📌 工作参考价值（4 点）

免费方差缩减：在线上A/B测试中直接使用Δ-IPS或Δ-DR代替标准DiM，仅需记录两个策略的动作分布，当新旧模型存在重叠时即可自动获得更低方差，无需改变流量分配或延迟实验。
非平衡流量设计：放弃固定的50/50分流，利用历史日志估计策略分歧度，计算方差最优分流比p*（例如对探索性策略倾斜流量），可额外减小18%以上的方差（模拟显示）。
聚焦模型训练：Δ-MRDR loss对样本加权 wΔ²，让奖励模型集中拟合策略分歧区域，在推荐场景异构用户分布下，可比标准Δ-DR再降约8%的ATE估计方差。
排名实验加速：对推荐/搜索排序，用Δ-DCG并加入位置最优基线（Δβ*⊥⊥-DCG），可抵消策略分歧增大时的方差膨胀，始终优于传统均值差，可直接用于多臂A/B测试中的曝光指标评估。

RecSys | 2026-07-16 | cs.IR | score 9/10