arXiv 机器学习· Pauline Bourigault, Emmanuelle Bourigault·· 5 小时前AI 评分26
离策略分位数认证中的覆盖陡崖分析
Coverage Cliffs in Off-Policy Quantile Certification
AI 导读
研究者提出了 TailCert 方法，利用上下文老虎机日志数据构建 PAC-Bayes Bernstein 置信下界包络，为同一样本中选出的策略提供上尾部分位数认证。该方法通过包络首次穿过水平 p 来输出上置信界或不确定结论，并支持在尾部约束下选择策略。理论分析证明，所需样本量随重叠因子 W 线性增长，并与策略搜索复杂度呈对数关系。
来源：arXiv 机器学习 · arxiv.org