逐点还是成对：成对损失何时在理论上有助于奖励学习？

一项新理论研究在分组离线上下文赌博机设定下对比了逐点值回归（VR）与成对值差分回归（VDR），给出了成对损失优于逐点损失的理论证明。结果显示，对于有限函数类，VDR 能消除 VR 的模型误设项并改善误差界；对于线性类两者互不完全占优，差分消除干扰偏差的同时可能在低误设下增加估计方差，带来依赖特征几何的偏差-方差权衡。