Policy Learning with Weak Signals
弱信号下的政策学习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：摘要以实验处理效应为基础研究个性化政策选择与福利遗憾，直接对应因果推断方向。
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…
弱信号下的政策学习
- 研究问题
- 数字实验中信噪比低、协变量丰富且数据规模庞大时，最优个性化处理政策及其福利价值能否被有效学习？
- 方法与思路
- 作者将细分协变量分区的处理效应估计建模为信噪比有界的高斯观测，并在效应平滑条件下构造线性平滑政策。
- 材料陈述的贡献
- 摘要称一般情形下最优政策不可学习、最优价值学习缓慢；平滑条件下则可获得极小极大自适应且福利遗憾趋零的政策。
- 阅读关注点
- 应核对不可学习结论的目标与渐近设定、平滑性和自适应范围，以及 Netflix 实验中政策评估与基准比较方式。
- 阅读边界
- 这是 arXiv v1 预印本，不能据此声称已同行评审或期刊接收；摘要未给出平滑条件、具体速率及实验改善幅度。
原文摘要
Policy learning in digital experimentation faces three challenges: weak signal-to-noise ratios, rich covariate spaces, and massive data volumes. We formalize this regime by modeling treatment-effect estimates from increasingly fine covariate partitions as Gaussian observations with bounded signal-to-noise ratios. We establish that, in general, the optimal treatment policy is not learnable in this setting. Even learning the optimal policy value suffers from impractically slow rates. However, when treatment effects vary smoothly, we derive minimax-adaptive policies based on linear smoothers that achieve vanishing welfare regret. We demonstrate the practical value of our framework by applying it to large-scale real-world experiments at Netflix, showing that personalized linear-smoothing policies can dominate unpersonalized policies even in this challenging empirical setting.