MiniMax Learning of Interpretable Factored Stochastic Policies from Conjoint Data, with Uncertainty Quantification
从联合数据中学习可解释因子随机策略的极小极大方法及不确定性量化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：摘要围绕联合实验中的离散因子选择、随机策略学习与对抗均衡展开，直接对应离散选择与结构估计方向。
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…
从联合数据中学习可解释因子随机策略的极小极大方法及不确定性量化
- 研究问题
- 摘要称，研究如何在随机偏好数据下，对指数级大的因子动作空间做离线策略优化，并估计具有渐近有效不确定性的可解释随机策略。
- 方法与思路
- 作者提出学习因子水平上的乘积分类分布随机策略：先给出平均情形下优化期望结果的闭式解（含L2方差正则的两向交互情形），再扩展到双人极小极大对抗设定，并用Delta方法把结果模型的不确定性传播到最优策略及其价值。
- 材料陈述的贡献
- 摘要称贡献包括：可解释随机干预策略的学习框架、对抗式扩展、闭式优化器与通用梯度方法、不确定性传播，以及刻画政党间策略分歧的数据驱动度量；合成数据上刻画有限样本误差与覆盖率，美国总统联合数据上对抗策略的受限均衡得票率与历史区间相符。
- 阅读关注点
- 应核对：正则条件与识别假设的具体内容、闭式解成立的模型范围、Delta方法近似的有效性条件、合成实验中误差与覆盖率的度量方式，以及历史得票率对比是否构成验证。
- 阅读边界
- 这是arXiv预印本（v3），未经同行评审；摘要未说明真实数据的样本构造、外部效度、与既有方法的系统比较，也未给出具体数值结果，不能据此判断方法优越性或政策含义。
原文摘要
We study offline policy optimization over exponentially large factorial action spaces from randomized preference data, showing how conjoint experiments can estimate interpretable stochastic policies with asymptotically valid uncertainty under regularity conditions. Conjoint analyses typically report Average Marginal Component Effects (AMCEs) by averaging over opponent attributes and thus ignore strategic interdependence. We instead learn stochastic interventions -- product-of-Categorical policies over factor levels -- that (i) optimize expected outcomes in an average-case setting and (ii) extend to a two-player minimax (adversarial) setting that realistically captures simultaneous strategic candidate selection. Methodologically, we derive a closed-form optimizer for a tractable two-way interaction regime with L2 variance regularization, and provide a general gradient-based procedure for richer model classes. Uncertainty from the outcome model propagates asymptotically to both the optimal policy and its value via a Delta method approximation. We further model institutional details (e.g., primaries) inside the minimax objective and introduce a data-driven measure of strategic divergence between parties. On synthetic data, we empirically characterize finite-sample error and coverage as dimensionality and $n$ vary. On a U.S. presidential conjoint, adversarially learned policies produce restricted-equilibrium vote shares that align with historical election ranges in our data, in stark contrast to non-adversarial (averaging) optimizers.