离线RL模型选择新方法引同行追问：与LSTD锦标赛关系几何
nanjiang_cs · x · 2026-10-29
研究者 Nan Jiang 回应 Lars van der Laan 关于离线 RL 与 OPE 中 Q 函数/占用比估计器选择的论文，指出其中第一种做法很像双方实验中用过的 LSTD-tournament 变体（可能不含 Q 本身在特征张成内），并提到自己尝试过类似成对比较版本，但在无强假设下无法写成非负损失。原帖所述方法宣称快速、免调参、无需额外模型拟合，且在所有候选均误设时仍有 oracle 保证。
所属事件:离线 RL 模型选择新方法 PBV 引同行追问：与 LSTD 锦标赛关系受关注(3 条相关)→
「研究」频道最新
- 新研究挑战 JEPA 特征保留假说：不可预测特征也会被保留 — andreea7b · 2026-10-29
- SREGym 将在 Bench Summit 首发，瞄准 AI SRE 基准前沿 — tianyin_xu · 2026-10-29
- AA-Robotics 基准出炉:GPT-6 Astra 操控机械臂登顶,仍比人类慢近百倍 — ArtificialAnlys · 2026-10-29
- Delta-Matching 打通全 FP8 注意力训练:七个核心矩阵乘全部 FP8,loss 追平 BF16 — songhan_mit · 2026-10-29
- RFD4-Proteina 上架 Hugging Face,AI for Science 十月盘点发布 — AllThingsApx · 2026-10-29
- Google 发布 PLE 基准:85 项真实工程任务,最强 agent 仅 50.6 分 — rohanpaul_ai · 2026-10-29