Optimal Treatment Allocation for Efficient Policy Evaluation in Sequential Decision Making
序贯决策中用于高效政策评估的最优处理分配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：摘要直接研究在线随机实验的处理分配、处理效应估计和政策评估，因此归入因果推断。
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…
序贯决策中用于高效政策评估的最优处理分配
- 研究问题
- 在线实验中的处理按时间序贯分配且结果具有动态依赖时，如何设计分配策略以提高处理效应和政策评估的精度？
- 方法与思路
- 作者针对非马尔可夫及时间变化的马尔可夫决策过程提出三种最小化估计方差的分配策略，并结合离策略评估方法估计效应。
- 材料陈述的贡献
- 摘要称，作者证明分配设计的最优性，建立处理效应估计量的均方误差上界，并在多种实验环境中展示方法效果。
- 阅读关注点
- 应核对三种策略各自对应的动态过程、最优性比较范围，以及策略所需信息、离策略估计与误差上界之间的关系。
- 阅读边界
- 这是预印本，同行评审及期刊接收未核实。摘要未说明最优性的完整条件及实验数值，动态实验设定也不自动对应宏观冲击分析。
原文摘要
A/B testing is critical for modern technological companies to evaluate the effectiveness of newly developed products against standard baselines. This paper studies optimal designs that aim to maximize the amount of information obtained from online experiments to estimate treatment effects accurately. We propose three optimal allocation strategies in a dynamic setting where treatments are sequentially assigned over time. These strategies are designed to minimize the variance of the treatment effect estimator when data follow a non-Markov decision process or a (time-varying) Markov decision process. We further develop estimation procedures based on existing off-policy evaluation (OPE) methods and conduct extensive experiments in various environments to demonstrate the effectiveness of the proposed methodologies. In theory, we prove the optimality of the proposed treatment allocation design and establish upper bounds for the mean squared errors of the resulting treatment effect estimators.