Federated Offline Policy Learning
联邦离线策略学习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：摘要以观察性行动反馈和双重稳健评价学习决策策略，属于因果策略学习；联邦来源不等于经济网络。
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
联邦离线策略学习
- 研究问题
- 在多个异质来源仅保留本地原始观察数据时，如何通过联邦方式学习个性化策略，并权衡总体表现与单个来源的表现？
- 方法与思路
- 作者区分总体和本地遗憾，以来源异质性及分布偏移刻画有限样本界，并聚合采用双重稳健离线策略评价训练的本地策略。
- 材料陈述的贡献
- 摘要称，论文给出总体与本地遗憾的有限样本上界，提出无需集中原始数据的策略学习算法，并分析异质来源参与的权衡。
- 阅读关注点
- 应核对总体与本地遗憾的参照策略、联邦聚合规则及交换信息，并检查来源异质性、样本分配和分布偏移对界的影响。
- 阅读边界
- 这是 arXiv 预印本，未核验同行评审或期刊接收；摘要未说明识别条件、通信成本或隐私机制，不收集原始数据本身不等于形式化隐私保证。
原文摘要
We consider the problem of learning personalized decision policies from observational bandit feedback data across multiple heterogeneous data sources. In our approach, we introduce a novel regret analysis that establishes finite-sample upper bounds on distinguishing notions of global regret for all data sources on aggregate and of local regret for any given data source. We characterize these regret bounds by expressions of source heterogeneity and distribution shift. Moreover, we examine the practical considerations of this problem in the federated setting where a central server aims to train a policy on data distributed across the heterogeneous sources without collecting any of their raw data. We present a policy learning algorithm amenable to federation based on the aggregation of local policies trained with doubly robust offline policy evaluation strategies. Our analysis and supporting experimental results provide insights into tradeoffs in the participation of heterogeneous data sources in offline policy learning.