Policy Learning with Abstention
允许弃权的政策学习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：摘要围绕个体化处理政策、倾向得分和双重稳健价值目标展开，直接对应因果政策学习。
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…
允许弃权的政策学习
- 研究问题
- 当个体化处理决策存在不确定性时，允许政策弃权并转交默认方案或专家，能否改善学习遗憾界及相对基准的安全性？
- 方法与思路
- 作者先筛选近似最优政策，再根据政策之间的分歧构造弃权规则；理论设定对弃权给予随机猜测价值之外的小额奖励。
- 材料陈述的贡献
- 摘要称已知倾向得分时可获得一比样本量量级的快速遗憾界，并通过双重稳健目标扩展至未知倾向得分及安全政策改进。
- 阅读关注点
- 应核对弃权奖励的作用、快速遗憾界的条件、未知倾向得分下的误差要求，以及分布稳健性和基准改进保证的范围。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未核实；摘要未完整说明理论条件，设定中的弃权奖励也未必对应实际转诊成本。
原文摘要
Policy learning algorithms are widely used in areas such as personalized medicine and advertising to develop individualized treatment regimes. However, most methods force a decision even when predictions are uncertain, which is risky in high-stakes settings. We study policy learning with abstention, where a policy may defer to a safe default or an expert. When a policy abstains, it receives a small additive reward on top of the value of a random guess. We propose a two-stage learner that first identifies a set of near-optimal policies and then constructs an abstention rule from their disagreements. We establish fast O(1/n)-type regret guarantees when propensities are known, and extend these guarantees to the unknown-propensity case via a doubly robust (DR) objective. We further show that abstention is a versatile tool with direct applications to other core problems in policy learning: it yields improved guarantees under margin conditions without the common realizability assumption, connects to distributionally robust policy learning by hedging against small data shifts, and supports safe policy improvement by ensuring improvement over a baseline policy with high probability.