弱信号下的策略学习

arXiv:2610.10167v1 公告类型：cross 摘要：数字实验中的策略学习面临三大挑战：信噪比低、协变量空间丰富，以及数据规模庞大。我们将这一情形形式化为：把来自越来越精细的协变量划分的处理效应估计建模为具有有界信噪比的高斯观测。我们证明，在一般情况下，最优处理策略在这一设定下是不可学习的。即使是学习最优策略价值，其收敛速度也极为缓慢，难以实际应用。然而，当处理效应平滑变化时，我们基于线性平滑器推导出极小极大自适应策略，并证明其福利遗憾趋于零。我们将该框架应用于 Netflix 的大规模真实世界实验，展示了其实际价值：即使在这一充满挑战的实证环境中，个性化线性平滑策略也能优于非个性化策略。