离策略评估：部署前别只看行为数据上的平均回报RL2026年7月27日·10 分钟阅读离策略评估：部署前别只看行为数据上的平均回报从重要性采样的支持集与方差出发，比较 self-normalized、per-decision、DR 和 FQE，并建立部署前的统计验收。#强化学习#离策略评估#统计推断READ →
