论文政策与合规10:15Optimal 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。#off-policy evaluation#LLM-as-a-judge#LMArena#强化学习aarXiv cs.LG@Woojin Chae 等 4 人原文稍后读已读值得跟进有用关注 off-policy evaluation