Validation of massively-parallel adaptive testing using dynamic control matching
利用动态对照匹配验证大规模并行自适应测试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：摘要明确以动态并行测试的因果效应分离和匹配合成对照为核心，支持因果推断分类；未明确建立网络干扰模型。
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…
关注这篇论文的作者
利用动态对照匹配验证大规模并行自适应测试
- 研究问题
- 当多项营销测试同时运行、消息包含多种内容变化，且测试分配随历史结果不断调整时，如何分离各项测试的因果效果。
- 方法与思路
- 作者提出随测试过程共同调整的匹配合成对照组，用于评估持续自适应的并行测试，并讨论强化学习式动态分配的背景。
- 材料陈述的贡献
- 摘要称，研究提供了一种分离动态并行测试因果效应的方法，以应对传统A/B测试评价方式在持续调整情景下的适用问题。
- 阅读关注点
- 应核对匹配变量、合成对照权重与更新规则，历史测试结果如何影响分配，以及并行处理、共同支持和不确定性如何处理。
- 阅读边界
- 这是arXiv预印本，同行评审或期刊接收未核实；摘要未说明识别假设、推断程序或验证结果，不能判断动态匹配是否充分控制偏差。
原文摘要
A/B testing is a widely-used paradigm within marketing optimization because it promises identification of causal effects and because it is implemented out of the box in most messaging delivery software platforms. Modern businesses, however, often run many A/B/n tests at the same time and in parallel, and package many content variations into the same messages, not all of which are part of an explicit test. Whether as the result of many teams testing at the same time, or as part of a more sophisticated reinforcement learning (RL) approach that continuously adapts tests and test condition assignment based on previous results, dynamic parallel testing cannot be evaluated the same way traditional A/B tests are evaluated. This paper presents a method for disentangling the causal effects of the various tests under conditions of continuous test adaptation, using a matched-synthetic control group that adapts alongside the tests.