热点事件持续更新
预算约束多源反事实标注离策略评估研究
1 篇报道1 个报道来源2 小时前 更新
先了解这件事
AI 综述
2026年10月9日，arXiv Machine Learning Theory（一手）发表研究，提出在预算约束下为 contextual-bandit 离策略评估（OPE）获取反事实标注的方法。该方法按各标注源的成本与误差特征，在上下文-动作对之间做整数分配，以降低估计方差中依赖标注计划的部分。目前公开信息仅涉及该方法框架，未见实验数据或后续验证报道。
AI 根据报道生成 · 2 小时前更新
最新进展10月9日 12:00
2026-10-09 arXiv发表该研究，提出按标注源成本与误差特征做整数分配以降低OPE估计方差。报道时间线
沿着报道，了解事件的不同侧面。
10月9日
- arXiv · Machine Learning Theory预算约束下的多源反事实标注用于离策略评估
该研究提出在预算约束下为 contextual-bandit 离策略评估（OPE）获取反事实标注的方法，按各标注源的成本与误差特征在上下文-动作对间做整数分配，以降低估计方差中依赖标注计划的部分。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。