WWW / The Web Conference

Off-Policy Learning with Limited Supply

有限供应下的离策略学习

Koichi Tanaka, Ren Kishimoto, Bushun Kawagishi, Yusuke Narita, Yasuo Yamamoto, Nobuyuki Shimizu, Yuta Saito

机构 * Keio University（Keio大学） ； Institute of Science Tokyo（东京科学研究所） ； Meiji University（Meiji大学） ； Yale University（Yale大学） ； LY Corporation（LY公司） ； Hanjuku-kaso, Co., Ltd. 纠错

AI总结 本文研究了在情境老虎机中受限供应下的离策略学习问题，提出了一种新的OPLS方法，通过考虑用户间的相对预期奖励来更高效地分配有限供应的物品，实验证明其在有限供应情境下的优越性。

Comments Published as a conference paper at WWW 2026