Learning When-to-Treat Policies
学习何时启动处理的政策规则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：摘要在序贯可忽略性下利用观察数据学习动态处理规则，直接涉及因果政策学习。
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…
关注这篇论文的作者
学习何时启动处理的政策规则
- 研究问题
- 在需要多次决策的场景中，如何利用观察数据学习何时启动哪种处理的规则，并控制相对于基准政策的福利遗憾？
- 方法与思路
- 作者在序贯可忽略性假设下提出 advantage doubly robust 估计量，用于学习动态处理规则，无需马尔可夫等结构假设。
- 材料陈述的贡献
- 摘要称证明推广单阶段双重稳健学习结果的福利遗憾界，并在多个场景展示经验表现；未给出具体遗憾率或应用数值。
- 阅读关注点
- 应核对序贯可忽略性的信息集、等待与启动处理的规则空间，以及双重稳健性、干扰参数估计和遗憾界的条件。
- 阅读边界
- 所给版本为 arXiv 预印本，不能据此确认同行评审或期刊接收；摘要未说明重叠条件及规则限制，经验表现尚难评价。
原文摘要
Many applied decision-making problems have a dynamic component: The policymaker needs not only to choose whom to treat, but also when to start which treatment. For example, a medical doctor may choose between postponing treatment (watchful waiting) and prescribing one of several available treatments during the many visits from a patient. We develop an "advantage doubly robust" estimator for learning such dynamic treatment rules using observational data under the assumption of sequential ignorability. We prove welfare regret bounds that generalize results for doubly robust learning in the single-step setting, and show promising empirical performance in several different contexts. Our approach is practical for policy optimization, and does not need any structural (e.g., Markovian) assumptions.