推荐与广告

推荐系统中的 RL 多以上下文老虎机形式出现；长期用户价值优化需要完整 RL，但只能离线学习。本章讲 slate 推荐的动作空间问题、离线策略评估（IPS、DR）、以及工业界的实际部署经验。