论文Agent 与开发者精选12:23研究揭示历史依赖日志下离线评估的指数级难度这是篇关于强化学习离线评估难度的学术论文，对研究强化学习算法的工程师或研究者可能有参考价值。#Off-Policy Evaluation#POMDPs#强化学习#离线学习aarXiv cs.LG@Pranaya Jajoo原文稍后读已读值得跟进有用关注 Off-Policy Evaluation
论文10:18DoorDash 用多智能体强化学习优化配送调度权重DoorDash 用离线强化学习解决调度权重调整难题，做物流调度或平台经济的团队可以借鉴其安全部署思路。#强化学习#调度优化#多智能体#离线学习aarXiv cs.AI@Haochen Wu 等 3 人原文稍后读已读值得跟进有用关注 强化学习