用于 CVaR 策略评估的尾部影响采样
使用条件风险价值（CVaR）准确估计策略的下尾风险，可能需要大量且成本高昂的样本。新方法将固定查询预算分配给工作流中对 CVaR 影响最大的条件组件。在特定假设下，尾部影响采样（TIS）可达到 oracle 分配的渐近方差；带保护机制的变体则控制在 oracle 的两倍以内。在 CliffWalking 中，TIS 相较两种基线方法分别将均方误差降低 41% 和 76%。在使用冻结语言模型的审查流程中，带保护机制的变体在 MMLU-Pro 的 24 种设置中有 23 种优于对比方法；在 FinQA 上，其误差比完整 rollout 低 2.4 至 3.4 倍。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。