Offline Reinforcement Learning に関する報道

この研究では、129,000件の脳卒中患者登録データを体系的に評価した結果、医師の意思決定に対するオフライン強化学習の見かけの改善（+0.0069から+0.0101）は、真の有効性の改善ではなく、主に報酬の埋め込み交絡によるものであることが判明した。これは、オフラインの RL 医療戦略に関するこれまでの肯定的な結論を再検討する必要があることを意味します。