热点事件观察中
因果约束离线强化学习用于商业行动定向
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
2026年10月20日，arXiv cs.AI / cs.LG 发布一篇论文，把商业行动定向中的 Next Best Action（下一最佳行动）问题建模为约束马尔可夫决策过程（CMDP）：按客户状态选择动作，以最大化长期价值，同时强制执行业务约束。方法上，论文在 LP（线性规划）求解中直接加入离策略因果校正，用因果约束的离线强化学习完成策略学习。报道称，该方案用于优惠券投放后，LTV（客户终身价值）提升 19%。目前该事件仅见这一篇论文报道，尚无其他来源或后续验证信息。
AI 根据报道生成 · 13 小时前更新
最新进展10月20日 01:51
新论文在 LP 求解中加入离策略因果校正，称优惠券投放 LTV 提升 19%。报道时间线
沿着报道，了解事件的不同侧面。
10月20日
- arXiv cs.AI / cs.LG 最新arXiv 论文用因果约束离线 RL 做 Next Best Action，优惠券投放 LTV 提升 19%
论文把 Next Best Action 建模为约束马尔可夫决策过程（CMDP），在 LP 求解中直接加入离策略因果校正，按客户状态选择动作以最大化长期价值并强制执行业务约束。
本事件热度走势
当前热度 5·可比范围峰值 7（10月20日 15:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。