面向上下文内离线策略评估的先验数据拟合网络 InCOPE

研究人员提出 InCOPE，一种用于上下文内离线策略评估（OPE）的先验数据拟合网络，通过在合成 OPE 任务上学习共享的策略价值预测规则。面对新的表格决策问题，该模型无需特定任务的参数更新，直接将行为策略数据集、目标策略与已知任务设置作为上下文来预测预期回报。在包含半合成临床环境的 4 个表格领域实验证明了其有效性。