PBV：免调参的离线 RL 模型选择新方法引关注

Lars van der Laan 团队提出 Pairwise Bellman Validation（PBV），用于离线强化学习与离线策略评估中的模型选择，可在候选中挑选 Q 函数或占用比估计器。PBV 免调参并提供 oracle 保证，Nan Jiang 就其与双方实验中使用的 LSTD 锦标赛的关系提问，引发同行跟进讨论。