反事实危害感知的离线策略学习:危害度量的可识别性与约束优化

《Entropy》:Offline Policy Evaluation and Learning with Harm Constraints

【字体: 大 中 小 】 时间:2026年09月26日 来源:Entropy 2.1

编辑推荐:

   离线策略学习旨在利用历史数据来优化个体化决策。然而,传统方法主要关注最大化期望奖励,而忽视了个体层面的反事实危害——即被分配的治疗方案导致的结果比对照组更差的情况。这可能导致过于激进的策略,从而对部分个体造成伤害。在本文中,我们提出了一种反事实危害感知的策略学习框架,该框架能

  离线策略学习旨在利用历史数据来优化个体化决策。然而,传统方法主要关注最大化期望奖励,而忽视了个体层面的反事实危害——即被分配的治疗方案导致的结果比对照组更差的情况。这可能导致过于激进的策略,从而对部分个体造成伤害。在本文中,我们提出了一种反事实危害感知的策略学习框架,该框架能够有效地在期望奖励与个体层面的危害之间取得平衡。为了量化危害,我们提出了两种度量指标:治疗危害率(THR),用于衡量受到伤害的个体比例;以及治疗危害量(THQ),用于衡量危害的严重程度,尤其适用于连续型结局。一个关键挑战在于,THR和THQ都取决于潜在结果的联合分布,而该联合分布通常是不可识别的,即使在随机对照试验中也是如此。为了解决这一问题,我们引入了一个加法潜变量模型,在该模型下建立了THR和THQ的可识别性,并开发了相应的估计量。这些估计量随后被用于在显式危害约束下学习策略。大量实验证明了所提方法的有效性。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号