Logging Policy Design for Off-Policy Evaluation
面向离策略评估的日志策略设计
🧭 Eval ★ 深度解读
New York University · Spotify
在已知/未知目标策略与奖励分布的信息条件下，推导最小化IPW估计均方误差的最优日志策略，揭示奖励-覆盖权衡
#Logging Policy
1 篇
每日 AI / 电商 / 推荐系统 / Agent 论文精选
1 篇
面向离策略评估的日志策略设计
New York University · Spotify
在已知/未知目标策略与奖励分布的信息条件下，推导最小化IPW估计均方误差的最优日志策略，揭示奖励-覆盖权衡