Designing Time Series Experiments in A/B Testing with Transformer Reinforcement Learning
利用 Transformer 强化学习设计时间序列 A/B 实验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：摘要围绕时间序列中的序贯政策分配和处理效应估计设计实验，直接涉及因果推断与动态时间依赖。
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…
利用 Transformer 强化学习设计时间序列 A/B 实验
- 研究问题
- 在按时间顺序分配政策的 A/B 实验中，如何充分利用完整历史，并直接优化处理效应估计的均方误差以改善实验设计？
- 方法与思路
- 作者先提出忽略完整历史导致次优设计的不可能性定理，再用 Transformer 表征历史，以强化学习直接优化设计的均方误差。
- 材料陈述的贡献
- 摘要称方法同时回应历史利用不足与目标近似依赖强假设的问题，并在合成数据、调度模拟器和网约车数据中优于现有设计。
- 阅读关注点
- 核对不可能性定理的设计类与动态条件、强化学习如何获得误差目标，以及训练环境、随机化和真实数据评估的关系。
- 阅读边界
- 这是 arXiv 预印本，同行评审与期刊接收未获核实；摘要未给定理条件、训练成本或误差改善数值，直接优化仍需核对具体前提。
原文摘要
A/B testing has become a gold standard for modern technological companies to conduct policy evaluation. Yet, its application to time series experiments, where policies are sequentially assigned over time, remains challenging. Existing designs suffer from two limitations: (i) they do not fully leverage the entire history for treatment allocation; (ii) they rely on strong assumptions to approximate the objective function (e.g., the mean squared error of the estimated treatment effect) for optimizing the design. We first establish an impossibility theorem showing that failure to condition on the full history leads to suboptimal designs, due to the dynamic dependencies in time series experiments. To address both limitations simultaneously, we next propose a transformer reinforcement learning (RL) approach which leverages transformers to condition allocation on the entire history and employs RL to directly optimize the MSE without relying on restrictive assumptions. Empirical evaluations on synthetic data, a publicly available dispatch simulator, and a real-world ridesharing dataset demonstrate that our proposal consistently outperforms existing designs.