DDAR：一种用于可执行追索的数据驱动方法

研究人员提出数据驱动行动追索方法 DDAR，无需人工设计成本函数即可为机器学习决策提供可执行追索。该方法基于历史用户数据中高概率轨迹对应更低成本的理念，先构建历史轨迹动力学模型，再搜索能达成目标结果的路径。实验表明，DDAR 能在无需人工监督的情况下推荐合理方案，且行动成本低于现有方法。