arXiv 论文提出 Pairwise Bellman Validation 简化离线策略评估中的模型选择
做强化学习离线评估的人可以看看，PBV 不用额外训练验证模型就能在候选里挑出最好的 Q 函数，论文里 Hopper 和 Deep OPE 都有实验。
#Bellman Validation
共 1 条 · 7 天 1 条 · 30 天 1 条
信息流里打上「Bellman Validation」标签的资讯、产品与论文，按刊登时间排，新的在上。
10月27日
做强化学习离线评估的人可以看看，PBV 不用额外训练验证模型就能在候选里挑出最好的 Q 函数，论文里 Hopper 和 Deep OPE 都有实验。