arXiv发布VOCEM方差最优离线评估方法

发生了什么

据arXiv cs.LG于2026年10月6日发布的论文《Variance-Optimal Off-Policy Evaluation with Conjunct Effect Modeling》，研究提出VOCEM估计器以解决上下文赌博机策略中动作级重要性加权导致的高方差问题。该研究指出，在双重鲁棒（DR）和OffCEM的假设下，存在一个无偏估计家族可在这两者间插值。VOCEM通过选择最小化方差的插值系数，推导出总体最优闭式解，其方差小于或等于任一端点。实验显示，在受控合成设置及两个大型动作基准测试的23种评估条件下，VOCEM均优于DR和OffCEM，表现出更高的稳定性和实证鲁棒性。