Chinese contentarXiv 论文提出 Pairwise Bellman Validation 简化离线策略评估中的模型选择
做强化学习离线评估的人可以看看，PBV 不用额外训练验证模型就能在候选里挑出最好的 Q 函数，论文里 Hopper 和 Deep OPE 都有实验。
#off-policy evaluation
2 stories · 0 in 7 days · 1 in 30 days
Stories, products and papers tagged "off-policy evaluation", newest first.
Oct 27
Sep 23
Chinese contentOptimal Sequential Annotations for Off-Policy Evaluation：有限标注预算下的双稳健估计方法
标注预算不够又想评估策略？这篇 arXiv 论文告诉你怎么分配人工标注最省钱，RMSE 能降一半以上。