该论文介绍了一种基于强化学习和在线学习的数据驱动方法，可以实现用户个性化健康治疗序列的优化。通过案例研究，论文使用重新取样方法对算法个性化进行评估，提高了算法的真实性，对于真实应用也具有参考价值。

Apr, 2023

在线强化学习算法在临床试验中为参与者个性化治疗提供了巨大潜力，然而，在高风险医疗环境中部署在线自主算法使得质量控制和数据质量尤其困难。本文提出了算法保真度作为临床试验中部署在线强化学习算法的关键要求，并强调算法对于 (1) 保护参与者和 (2) 保留数据进行试后分析的科学效用具有责任。我们还提出了一个用于部署前规划和实时监控的框架，以帮助算法开发者和临床研究人员确保算法保真度。为了说明我们框架的实际应用，我们提供了来自于 Oralytics 临床试验的真实案例。自 2023 年春季以来，该试验成功地部署了一种自主的在线强化学习算法，用于个性化行为干预以防止牙疾的风险参与者。

Feb, 2024

探讨评估强化学习算法在医疗保健中的安全性的实质，提供了在评估新型患者治疗方式时，如何设计和评估算法的方法，并描述了如何缓解评估过程中存在的潜在问题。

May, 2018

个性化适应性干预的规划和实施存在挑战，本研究介绍了在线强化学习代理实施个性化干预的可行性和有效性的 N-of-1 试验设计，结果显示适应性干预能增加患者效益，但设计和实施过程变得更为复杂，同时需要利用之前干预研究的数据来量化预期效益。

Sep, 2023

本文针对强化学习在实际问题中难以部署的问题，提出了一系列的挑战，并通过 Markov 决策过程定义这些挑战并分析其影响，同时探讨了一些现有的解决方法。为了验证算法的可部署性，我们提出并开源了 realworldrl-suite 套件作为一个基准测试集。

Mar, 2020

通过提出学习挑战诊断器 (LCD) 并使用其在 Procgen 基准测试中发现新的挑战分类，研究报道了在优化深度强化学习算法时出现的多种失败情况，并为更高效的进展提供了一条路径。

Sep, 2023

本研究基于强化学习、多模态嵌入和图嵌入等技术，设计了一个新型的数字人互动推荐代理框架，以提高个性化推荐和数字人代理的效率和准确性。实验结果表明该框架具有更好的个性化客户参与和更好的客户体验。

Oct, 2022

本文开发了基于强化学习的算法，用于优化移动提示的发送，以鼓励口腔自我护理行为。研究致力于解决算法中的延迟效应问题，通过设计质量奖励并优化超参数选择，最终被部署在提供行为策略以提高口腔健康的 Oralytics 应用程序上。

Aug, 2022

通过健康的口腔自我护理行为（OSCB）预防口腔疾病是可能的，但实践上并不一致。我们开发了 Oralytics，这是一个在线强化学习（RL）算法，用于优化提供个性化干预提示以改善 OSCB。在本文中，我们提供了使用先前数据、领域专业知识和模拟测试床中的实验所作的算法设计决策的完整概述。最终确定的 RL 算法已经部署在 2023 年秋到 2024 年夏进行的 Oralytics 临床试验中。

Jun, 2024

本篇论文介绍了一种将在线增强学习与经典控制的元素（基于 Lyapunov 稳定性理论）进行结合的方法，可在不进行长期预训练的情况下为移动机器人提供稳定的控制能力，并通过实验研究证明了该方法的有效性。

Jul, 2022