Algorithms for Adaptive Experiments that Trade-off Statistical Analysis with Reward: Combining Uniform Random Assignment and Reward Maximization
本文介绍了 TS-PostDiff，这是一种自适应算法，它基于各臂间微小差异的后验概率，将汤普森采样与均匀随机分配相结合，从而动态平衡用户收益与统计推断，以优化在最大化收益与保持统计效力之间的权衡。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象你是一位老师，正在教室里进行一项实验，以观察两种教学方法中哪一种能帮助学生学得更好。你有方法 A和方法 B。
两种传统做法
传统上，你主要有两种选择，但两者都存在一个重大缺陷：
抛硬币（均匀随机化）：你为每位学生抛一次硬币。正面，他们使用方法 A；反面，他们使用方法 B。
- 优点：这能为你提供非常可靠的数据。最终，你可以高度确信地说：“是的，方法 A 肯定更好”，或者“不，它们是一样的”。
- 缺点：如果方法 A 实际上非常出色，而方法 B 很糟糕，你仍然在强迫一半的学生使用糟糕的方法。你在浪费学生的时间。
智能学习者（汤普森采样）：你从抛硬币开始，但一旦你发现方法 A 效果更好，你就开始给更多学生使用方法 A。如果它看起来很棒，你就几乎给所有人使用方法 A。
- 优点：大多数学生能获得最佳方法。他们学得更多。
- 缺点：因为你停止了对方法 B 的充分测试，你失去了科学证明方法 A 实际上更好的能力。你可能会误以为它们有差异（其实没有），或者因为对“输家”测试不足而错过微小但真实的差异。
新方案：“智能切换器”（TS-PostDiff）
本文的作者创造了一种名为TS-PostDiff的新算法。你可以把它想象成一个智能切换器，它根据两种方法看起来差异的大小，自动决定采用上述两种旧方法中的哪一种。
以下是“智能切换器”如何工作的简单类比：
想象你在品尝两种汤，看看哪一种更咸。
情景 1：两种汤尝起来非常相似。
如果你尝了一口，发现它们味道几乎一样，智能切换器会说：“我还无法分辨差异。我需要谨慎。”于是，它切换到抛硬币模式。它让你和你的朋友们平等地品尝两种汤。- 为什么？ 这确保你获得足够的数据，以科学地证明是否存在真实差异，或者它们是否真的相同。它保护了“真相”。
情景 2：其中一种汤明显更咸。
如果你尝了一口，发现一种汤明显咸得多（或美味得多），智能切换器会说：“好吧，我知道哪种更好了。让我们停止猜测。”它切换到智能学习者模式。它开始几乎给所有人盛咸汤。- 为什么？ 这最大化了喝汤者的收益。既然你知道咸汤更好，为什么还要给每个人盛淡汤呢？
“微小差异”阈值
该系统的核心是一个由老师（或实验者）预先设定的设置，称为**“微小差异阈值”**。
- 你告诉计算机：“如果两种方法之间的差异很小（像耳语一样），就把它们视为相等并公平地测试它们。”
- 如果差异很大（像喊叫一样），就把获胜者视为冠军，并给所有人提供它。
论文发现
作者运行了数千次计算机模拟（就像在虚拟世界中运行数百万次汤品实验），以观察这种新的“智能切换器”与旧方法相比表现如何。
- 当差异很小时：新方法表现得像抛硬币。它防止“智能学习者”犯错，并为你提供可靠的科学结果（低“假阳性”）。
- 当差异很大时：新方法表现得像智能学习者。它几乎给所有人提供更好的选项，从而最大化收益。
- 结果：它找到了一个“最佳平衡点”。它没有简单地二选一，而是完美地融合了两者。当情况接近时，它比智能学习者提供更佳的科学结果；当情况明显不同时，它比抛硬币为参与者提供更好的结果。
nutshell
这篇论文认为，我们不必在“对参与者友善”（给他们最佳选项）和“做一名好科学家”（获取准确数据）之间做出选择。
TS-PostDiff算法就像一个根据情况变色的交通信号灯：
- 红灯（不明确）：停下，平等地测试双方以获取真相。
- 绿灯（清晰）：全速前进，采用最佳选项以帮助所有人。
这使得研究人员能够兼得两者：让参与者满意，同时确保科学的可信度。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。