arXiv cs.AI / cs.LG 最新· Junyi Liao·· 2 天前AI 评分52
arXiv 论文提出 CAT-CCB 与 CAT-CMDP 框架，在未测量混淆下做离线策略学习
Transportable Offline Reinforcement Learning in Presence of Unmeasured Confounding
AI 导读
论文提出一套因果校正的可迁移性框架，利用多个异构源数据集，结合可迁移性理论、工具变量、负对照与代理变量，在源域与目标域存在差异、记录变量又遗漏混淆因素的情况下识别目标域的因果量。
标题与摘要由 AI 辅助生成，事实与观点以原文为准。
来源：arXiv cs.AI / cs.LG 最新 · arxiv.org
本站标题、摘要与推荐理由由 AI 辅助生成；原文版权归来源所有。