在上下文 bandit 设置下，通过识别任何模型选择算法应优化折衷的三个错误源（近似误差，统计复杂性和覆盖率），我们研究了批次策略优化中的模型选择问题。尽管无法同时保证所有三个源的保证，但松弛其中任何一个错误源均可实现近似于预测准确性和模型复杂度的保证。

Dec, 2021

多任务学习中，标签预算分配问题会对整体性能产生显著影响。本文提出了一种任务自适应预算分配算法，通过在不同的多任务学习环境中估计和最大化分配预算的新信息程度，优化多任务学习性能。在 PASCAL VOC 和 Taskonomy 上的实验表明，与其他常用的启发式标签策略相比，我们的方法具有明显的效果。

Aug, 2023

本文主要研究基于观测数据的离线多行动策略学习问题，特别地，该策略可能需要遵守预算约束或属于受限策略类，如决策树，提出了一个算法实现，能够达到渐近最小化风险后悔，这是在多行动设置中的首次结果，对于现有的学习算法有大幅度的性能提升。该文提出了两种不同的方法来解决当策略被限制为采用决策树形式时出现的附加计算挑战，一种方法使用混合整数方案，另一种方法使用基于树搜索的算法。

Oct, 2018

本文介绍了一种新颖的自适应任务选择方法，用于多任务学习中，对于越来越具有挑战性的任务，该方法通过选择相关性更大的任务来实现共享知识获取最佳性能，在多种多任务学习场景中实验结果显示，该方法在表现上都优于传统方法。

Mar, 2017

提出针对多个类似问题的层次图模型，用基于带环反馈的上下文离线策略优化解决问题，提出 HierOPO 算法并通过线性高斯模型实现，在模型、理论和实证数据上比单独解决每个任务有优势。

Dec, 2022

提出了一种基于非静态多臂赌博机的折扣汤普森采样的多模态多任务对话行为分类任务的任务选择和分配方法，结果表明，该方法在不同的训练阶段可以有效地识别任务效用，并在训练过程中主动避免无用或有害的任务，相比单任务和多任务基线模型在 UAR 和 F1 方面显著优越，P 值小于 0.05，此外，对实验进一步分析表明，对于数据不平衡问题的数据集，该方法具有显著更高的稳定性，并且能够获得一致且良好的少数类性能，相较于当前最先进的模型，该方法更为优越。

Sep, 2023

提出了一个高效的多任务学习框架，该框架采用主动学习原则来解决多个目标导向任务的问题，通过对 7 个多任务实例进行测试，实现了竞争性的多任务表现。

Feb, 2017

本文提出了一种交互式的任务规范问题形式，通过自然语言指令和一系列语言修正来引导自主代理获得新技能，实现快速获取新技能，显著优于直接非交互式指令跟随。

Nov, 2018

研究了不同的任务调度方法以在多个任务（语言）上同时训练神经机器翻译模型，包括现有的非自适应技术和自适应调度技术，并考虑了隐式调度技术。这些方法使得多语言模型在低资源语言对（少量数据的任务）中表现更好，同时最小化对高资源任务的负面影响。

Sep, 2019

通过解决难以计算的无限机会约束程序，提出了一种多阶段框架，用于从观测数据中学习公平策略，该问题与公司招聘、贷款批准或保释决策等高风险领域中的选择相关，我们专注于可解释的线性选择规则，并通过解决混合二次锥优化问题获得了组合评价的解决方案，与现有的选择策略相比，在精确度方面提高了 11.6%，在不公平度方面减少了 38%。

Dec, 2023