Buchumschlag

Unraveling the Interplay between Carryover Effects and Reward Autocorrelations in Switchback Experiments

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wen, Qianglin, Shi, Chengchun, Yang, Ying, Tang, Niansheng, Zhu, Hongtu
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Robust Sequential Experimental Design for A/B Testing
von: Wen, Qianglin, et al.
Veröffentlicht: (2026)

Designing Time Series Experiments in A/B Testing with Transformer Reinforcement Learning
von: Wu, Xiangkun, et al.
Veröffentlicht: (2026)

Combining Experimental and Historical Data for Policy Evaluation
von: Li, Ting, et al.
Veröffentlicht: (2024)

A Two-armed Bandit Framework for A/B Testing
von: Wang, Jinjuan, et al.
Veröffentlicht: (2025)

Deep Distributional Learning with Non-crossing Quantile Network
von: Shen, Guohao, et al.
Veröffentlicht: (2025)

Beyond Passive Aggregation: Active Auditing and Topology-Aware Defense in Decentralized Federated Learning
von: Pan, Sheng, et al.
Veröffentlicht: (2026)

Statistical Inference in Reinforcement Learning: A Selective Survey
von: Shi, Chengchun
Veröffentlicht: (2025)

Robust Offline Reinforcement learning with Heavy-Tailed Rewards
von: Zhu, Jin, et al.
Veröffentlicht: (2023)

Causal Deepsets for Off-policy Evaluation under Spatial or Spatio-temporal Interferences
von: Dai, Runpeng, et al.
Veröffentlicht: (2024)

Detecting LLM-Generated Text with Performance Guarantees
von: Zhou, Hongyi, et al.
Veröffentlicht: (2026)

Clustered Switchback Designs for Experimentation Under Spatio-temporal Interference
von: Jia, Su, et al.
Veröffentlicht: (2023)

Demystifying the Paradox of Importance Sampling with an Estimated History-Dependent Behavior Policy in Off-Policy Evaluation
von: Zhou, Hongyi, et al.
Veröffentlicht: (2025)

Data-Driven Switchback Experiments: Theoretical Tradeoffs and Empirical Bayes Designs
von: Xiong, Ruoxuan, et al.
Veröffentlicht: (2024)

Balancing Interference and Correlation in Spatial Experimental Designs: A Causal Graph Cut Approach
von: Zhu, Jin, et al.
Veröffentlicht: (2025)

From Authors to Reviewers: Leveraging Rankings to Improve Peer Review
von: Wang, Weichen, et al.
Veröffentlicht: (2025)

Demystifying Group Relative Policy Optimization: Its Policy Gradient is a U-Statistic
von: Zhou, Hongyi, et al.
Veröffentlicht: (2026)

Dual Active Learning for Reinforcement Learning from Human Feedback
von: Liu, Pangpang, et al.
Veröffentlicht: (2024)

Reinforcement Learning from Human Feedback: A Statistical Perspective
von: Liu, Pangpang, et al.
Veröffentlicht: (2026)

Counterfactually Safe Reinforcement Learning
von: Li, Jingyi, et al.
Veröffentlicht: (2026)

Learn-to-Distance: Distance Learning for Detecting LLM-Generated Text
von: Zhou, Hongyi, et al.
Veröffentlicht: (2026)

Perturbation is All You Need for Extrapolating Language Models
von: Cen, Zetai, et al.
Veröffentlicht: (2026)

ARMA-Design: Optimal Treatment Allocation Strategies for A/B Testing in Partially Observable Time Series Experiments
von: Sun, Ke, et al.
Veröffentlicht: (2024)

Fast Gaussian Process Approximations for Autocorrelated Data
von: Chokhachian, Ahmadreza, et al.
Veröffentlicht: (2025)

Testing Stationarity and Change Point Detection in Reinforcement Learning
von: Li, Mengbing, et al.
Veröffentlicht: (2022)

Double Fairness Policy Learning: Integrating Action Fairness and Outcome Fairness in Decision-making
von: Bian, Zeyu, et al.
Veröffentlicht: (2026)

Generalized Fitted Q-Iteration with Clustered Data
von: Hu, Liyuan, et al.
Veröffentlicht: (2025)

Spatio-temporal Prediction of Fine-Grained Origin-Destination Matrices with Applications in Ridesharing
von: Yang, Run, et al.
Veröffentlicht: (2025)

Deep Autocorrelation Modeling for Time-Series Forecasting: Progress and Prospects
von: Wang, Hao, et al.
Veröffentlicht: (2026)

Analyzing and Bridging the Gap between Maximizing Total Reward and Discounted Reward in Deep Reinforcement Learning
von: Yin, Shuyu, et al.
Veröffentlicht: (2024)

Robust Reinforcement Learning from Human Feedback for Large Language Models Fine-Tuning
von: Ye, Kai, et al.
Veröffentlicht: (2025)

Partially Functional Dynamic Backdoor Diffusion-based Causal Model
von: Liu, Xinwen, et al.
Veröffentlicht: (2025)

Kernelized Advantage Estimation: From Nonparametric Statistics to LLM Reasoning
von: Gong, Shijin, et al.
Veröffentlicht: (2026)

Off-policy Evaluation in Doubly Inhomogeneous Environments
von: Bian, Zeyu, et al.
Veröffentlicht: (2023)

Breach in the Shield: Unveiling the Vulnerabilities of Large Language Models
von: Dai, Runpeng, et al.
Veröffentlicht: (2025)

Spatially Randomized Designs Can Enhance Policy Evaluation
von: Yang, Ying, et al.
Veröffentlicht: (2024)

Pessimistic Causal Reinforcement Learning with Mediators for Confounded Offline Data
von: Wang, Danyang, et al.
Veröffentlicht: (2024)

Enhancing Missing Data Imputation through Combined Bipartite Graph and Complete Directed Graph
von: Zhang, Zhaoyang, et al.
Veröffentlicht: (2024)

Sampling-guided Heterogeneous Graph Neural Network with Temporal Smoothing for Scalable Longitudinal Data Imputation
von: Zhang, Zhaoyang, et al.
Veröffentlicht: (2024)

High-Dimensional Dynamic Covariance Models with Random Forests
von: Yu, Shuguang, et al.
Veröffentlicht: (2025)

Autocorrelation Matters: Understanding the Role of Initialization Schemes for State Space Models
von: Liu, Fusheng, et al.
Veröffentlicht: (2024)