提出带风险控制的策略更新调度方法

Wenbin Zhou 等作者提交论文，提出一种离线元策略方法，在训练未来候选模型之前规划策略更新时机，以在提升收益与控制性能退化风险之间取得平衡。方法把更新计划建模为有向无环图中的路径，并用动态规划在“更新次数劣于被替换策略”的期望预算约束下最大化期望累积价值，切换的价值与风险从历史学习轨迹估计。 作者称，一阶分析表明策略改进的信噪比是决定更新频率、等待时间与风险分配的关键因素；在合成数据与临床试验数据上的实验展示了性能与风险之间的权衡，并与基线方法进行了对比。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。