用后验期望熵评估主动特征获取策略

Yuta Kobayashi、Divyam Madaan、Shalmali Joshi 提出用后验期望（偶然）熵替代先验数据拟合网络（PFN）输出的总预测熵，来评估主动特征获取策略。 作者发现，离线数据覆盖不均衡时，以总预测熵为奖励会混淆认知不确定性与偶然不确定性，引入认知偏差，惩罚对稀疏观测特征的获取。改用后验期望熵后，在合成和真实数据集上一致降低了价值估计偏差，并给出经验覆盖率较高的可信区间，可改善下游策略选择。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。