新论文提出重定向反事实生成策略学习

Raphael C Kim 等作者发布论文，提出“重定向反事实生成策略学习”方法，用于联合高维干预与高维结果的决策场景。该论文称，方法分三步：先学习双重稳健的不变反事实生成器，再基于其 rollout 进行策略学习，最后将生成器重定向至所学策略的干预并重新学习策略。 论文将生成模型在该场景下面临的问题归纳为三大挑战，并以此方法作为回应。相关说法来自论文自身，尚待进一步验证。

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。