提出了一个新的在线学习排序算法 - BatchRank，适用于广泛的点击模型，包括级联和基于位置的模型，并在 Web 搜索查询的一系列测试中性能优越。

Mar, 2017

本文介绍了基于历史数据的线下评估方法，计算新推荐系统版本可能带来的收益提升，提供对实际环境下偏差建模的反事实估计量的变量，通过在线广告个性化产品推荐引起商业指标相关性的商业实验来检验这些估计值。

Jan, 2018

通过处理搜索结果展示方式，消除展示偏见获取更客观的用户隐式反馈，取得更佳的排序效果。

May, 2006

通过介入感知估计器建议一种优化基于用户交互的排名系统的新方法，以消除位置偏差、信任偏差和项目选择偏差。实验结果表明，相比现有方法，该新方法可以更有效地受益于在线干预。

Dec, 2020

本文研究了如何利用历史数据来预测目标策略的性能，并提出了两种替代方法，相比于传统方法，能够更准确地评估交互式系统的新政策。

Mar, 2017

在这篇论文中，我们利用强化学习中的离线学习技术，提出了一种与点击模型无关的通用排序方法 Click Model-Agnostic Unified Off-policy Learning to Rank（CUOLR），通过将排序过程视为一个马尔可夫决策过程，实现了对各种类型的点击模型的自适应，实验结果表明，CUOLR 在不同的大规模数据集上均优于现有的基于离线学习的排序算法，并能在不同的点击模型下保持一致性和鲁棒性

Jun, 2023

从人类反馈中学习偏好模型一直是人工智能领域最近进展的核心。本研究通过推广最优设计的概念，研究了用于学习偏好模型的数据收集问题，并提出了面向排名列表的有效算法，证明了模型估计器随更多数据而改善，估计器下的排名误差也随之减少，并在多个合成和真实数据集上进行实验以展示算法的统计效率。

Apr, 2024

本文提出了一种基于模仿学习的对抗学习点击模型框架（Adversarial Imitation Click Model, AICM），通过明确地学习恢复用户的内在效用和潜在意图的奖励函数，将用户与排名列表的交互建模为动态系统（而不是单步点击预测），通过对抗训练最小化 JS 发散来学习稳定的点击序列分布，从而将暴露偏差从 $O (T^2)$ 降到了 $O (T)$，结果表明 AICM 在传统点击度量和去暴露方面具有优异的性能。

Apr, 2021

本文研究了基于上下文的推荐策略（例如排名）的评估方法，在组合赌博技术的基础上引入了一种新的实用估计量，该方法可以使用已记录的数据估计政策的绩效，经过全面的实证评估，我们的估计器在多种设置下都很准确，包括在学习排序任务中作为子程序，我们导出了我们的估计器无偏的条件，这些条件比之前的推荐评估启发式要弱，并在实验中比参数方法具有更小的偏差，即使这些条件被违反。最后，我们的理论和实验也表明，与一般的无偏估计相比，所需的数据量呈指数级节约。

May, 2016

该研究考虑推荐系统中的不同偏差对算法性能的影响，提出新的反事实方法以解决位置和选择偏差，实验证明这些方法对噪声更具鲁棒性并具有更高精确度。

Jan, 2020