logo

[Tech Talk #41] 哥大 彭天翼:当A/B实验平台遇上强化学习

A/B测试面临实验干扰问题,影响结果可靠性。我们提出基于强化学习的"Difference-in-Q"(DQ)估计器,通过求解Q值差分估计treatment effect。理论上,DQ在偏差-方差权衡方面表现出色,显著降低偏差,方差指数级缩减。与抖音合作应用于大规模商业场景,均方误差减少99%以上,展现卓越性能。
阅读时长1分钟