University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）

Robust Data-Collection Policy Learning for Low-Variance Online Policy Evaluation

面向低方差在线策略评估的鲁棒数据收集策略学习

Claire Chen, Shuze Daniel Liu, Licheng Luo, Rohan Chandra, Nan Jiang, Shangtong Zhang

机构 * California Institute of Technology（加州理工学院） ； Massachusetts Institute of Technology（麻省理工学院） ； Purdue University（普渡大学） ； University of California, Riverside（加州大学河滨分校） ； University of Virginia（弗吉尼亚大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） 纠错

AI总结 本研究针对强化学习在线策略评估的高方差问题，提出双循环梯度算法学习鲁棒行为策略，其对转移扰动敏感性更低，可降低真实环境评估成本。