该研究提出了一种新的评估算法资源分配政策的实验方法，所使用的估计器可以通过重划分试验组参与者，构建对照试验并准确地评估结果。经过实证研究，该方法在合成数据、半合成数据和真实案例中都取得了改进的评估准确性。

Feb, 2023

通过学习排名的方法，我们提出了一种在预算约束下有效分配治疗的方法，并验证了其在合成和真实数据上的有效性。

May, 2024

利用一个简单的数学模型，我们评估了基于预测的分配在具有更大单位（如医院、社区或学校）的设置中的有效性，发现当单位间的不平等性较低且干预预算较高时，基于预测的分配优于仅使用聚合单位级统计的基准方法。我们的结果适用于各种设置，包括预测成本、治疗效果的异质性和单位级统计的可学习性，共同突显了通过预测改进干预效果的潜在局限性。

Jun, 2024

研究了将稀缺的社会资源分配给异质性申请人的问题，根据观察到的协变量设计了一种在线政策，以满足预算限制并最大化预期结果，并通过数据驱动的政策几乎确定渐近实现了最佳样本外政策的预期结果，并扩展了包括各种公平约束的框架。

Nov, 2023

本文介绍了基于贝叶斯观点的用于最小化（频率主义）后悔的指数策略：我们主要贡献在于证明了贝叶斯 UCB 算法在奖励分布属于一维指数族的情况下渐进最优，同时我们还证明了贝叶斯文献提供了新的探索速率思路，最优解法的逼近或有限时间 Gittins 指数的近似为 kl-UCB + 和 kl-UCB-H + 算法提供了合理性。

Jan, 2016

在存在干预关系的集群网络中，评估和学习个性化治疗规则的最优性能，提出了一个可用于评估个性化治疗规则经验性能的估计器，该估计器比标准的倒数概率加权估计器更有效，而且可以改善学习策略的性能。

Nov, 2023

这篇论文介绍了作者在研究动态优先级分配的多个随机项目的困难算法和应用上所做的工作，主要集中于无休止劫匪索引的理论和算法方面，采用线性规划、经济学和多目标优化方法。MPI 政策是在多项目环境中经济合理的，并且 MPI 指数策略通常实现近乎最优的性能，远优于使用传统方法衍生的基准策略。

Apr, 2023

利用贝叶斯方法和多臂老虎机框架，以及个体化模型，提出了一种有效的疫苗分配策略评估技术，可在不同的接触减少模式下寻找最优策略，对比实验结果表明该方法能够有效识别出前 m 个最优策略，并为未来的疫苗接种活动提供了洞见。

Jan, 2023

在顺序实验中，通过使用自适应增广逆概率加权估计量和倾向得分截断技术，我们提出了一种有效的平均处理效应推断方法，能够在变动的样本规模下进行推断并具有较窄的置信区间。

Nov, 2023

针对现代市场营销中的一个实际问题，我们提出了一种新的方法来解决策略优化问题，并构建了一种带约束的反事实策略优化模型。我们将奖励估计问题作为带有附加结构的域适应问题，并使用估计器进行带约束优化策略。我们证明了我们的估计程序具有理论误差界，并且我们在合成和真实数据集上证明了该方法明显改善。

Feb, 2019