Causal Bandits: Online Decision-Making in Endogenous Settings
因果老虎机：内生环境中的在线决策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：摘要明确以工具变量处理内生性，并应用于广告因果影响估计，直接支持因果推断，在线决策本身不对应离散选择。
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…
因果老虎机：内生环境中的在线决策
- 研究问题
- 在线性随机情境老虎机中，当备选行动的协变量具有内生性时，如何兼顾在线决策的遗憾控制、参数推断与广告因果效应估计？
- 方法与思路
- 作者提出 ε-BanditIV 算法，用工具变量纠正内生性偏误，分析期望遗憾及估计量渐近性质，并以模拟和实时竞价数据展示应用。
- 材料陈述的贡献
- 摘要称，证明了忽略对数项后为 k√T 量级的期望遗憾上界及估计量一致性、渐近正态性，并报告内生场景中的比较表现。
- 阅读关注点
- 核对工具变量有效性与在线采样条件、探索机制及 k 的含义，并检查遗憾保证、渐近推断和广告因果解释是否依赖不同假设。
- 阅读边界
- 这是 arXiv 预印本，不能确认同行评审或期刊接收；摘要未列出工具变量及遗憾界的条件，所称优于其他方法限于作者报告的比较。
原文摘要
The deployment of Multi-Armed Bandits (MAB) has become commonplace in many economic applications. However, regret guarantees for even state-of-the-art linear bandit algorithms (such as Optimism in the Face of Uncertainty Linear bandit (OFUL)) make strong exogeneity assumptions w.r.t. arm covariates. This assumption is very often violated in many economic contexts and using such algorithms can lead to sub-optimal decisions. Further, in social science analysis, it is also important to understand the asymptotic distribution of estimated parameters. To this end, in this paper, we consider the problem of online learning in linear stochastic contextual bandit problems with endogenous covariates. We propose an algorithm we term $ε$-BanditIV, that uses instrumental variables to correct for this bias, and prove an $\tilde{\mathcal{O}}(k\sqrt{T})$ upper bound for the expected regret of the algorithm. Further, we demonstrate the asymptotic consistency and normality of the $ε$-BanditIV estimator. We carry out extensive Monte Carlo simulations to demonstrate the performance of our algorithms compared to other methods. We show that $ε$-BanditIV significantly outperforms other existing methods in endogenous settings. Finally, we use data from real-time bidding (RTB) system to demonstrate how $ε$-BanditIV can be used to estimate the causal impact of advertising in such settings and compare its performance with other existing methods.