Adaptive Experimental Design for Policy Learning
用于政策学习的自适应实验设计AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要研究处理分配实验设计及基于协变量的最优处理政策学习。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
用于政策学习的自适应实验设计
- 研究问题
- 如何在实验期间依据协变量自适应分配处理，并在实验结束后推荐最优处理政策，使最坏情形下的预期简单遗憾尽可能小？
- 方法与思路
- 作者研究情境最优臂识别，先推导预期简单遗憾下界，再提出 Adaptive Sampling-Policy Learning 策略，将自适应抽样与政策学习结合。
- 材料陈述的贡献
- 摘要称，PLAS 的遗憾上界在实验单位数增加时，其主导因子与下界匹配，从而得到所考察问题中的极小极大速率最优性。
- 阅读关注点
- 应核对政策类别、结果分布与协变量条件、遗憾定义，以及上下界对应的参数空间、渐近方式和策略中的探索分配规则。
- 阅读边界
- 这是预印本，同行评审及期刊接收未核实；摘要未列出最优性所需条件、有限样本常数或实际效果，不能推广为任意实验的最优设计。
原文摘要
This study investigates the contextual best arm identification (BAI) problem, aiming to design an adaptive experiment to identify the best treatment arm conditioned on contextual information (covariates). We consider a decision-maker who assigns treatment arms to experimental units during an experiment and recommends the estimated best treatment arm based on the contexts at the end of the experiment. The decision-maker uses a policy for recommendations, which is a function that provides the estimated best treatment arm given the contexts. In our evaluation, we focus on the worst-case expected regret, a relative measure between the expected outcomes of an optimal policy and our proposed policy. We derive a lower bound for the expected simple regret and then propose a strategy called Adaptive Sampling-Policy Learning (PLAS). We prove that this strategy is minimax rate-optimal in the sense that its leading factor in the regret upper bound matches the lower bound as the number of experimental units increases.