融合奖励最大化与总体估计：面向美国国税局审计选择的序贯决策

我们引入了一种新的设定——优化与估计结构化赌博机（optimize-and-estimate structured bandits）。在此设定中，一个策略必须选择一批臂（arms），每个臂由其自身的上下文刻画，使得该策略既能最大化奖励，又能维持对奖励总体（理想情况下无偏）的准确估计。这一设定内在地存在于许多公共和私营部门应用中，且常需处理延迟反馈、小样本和数据分布偏移。我们基于美国国税局（IRS）的真实数据展示了其重要性。IRS每年对税基进行审计。其两个最重要的目标是识别疑似错报以及估计“税收缺口”——已缴金额与真实应缴金额之间的全局差额。基于与IRS的独特合作，我们将这两个过程构建为一个统一的优化与估计结构化赌博机。我们分析了针对IRS问题的优化与估计方法，并提出了一种新颖的无偏总体估计机制，其获得的奖励与基线方法相当。该方法有望在保持政策相关的税收缺口估计的同时，提升审计效能。鉴于当前税收缺口估计接近五千亿美元，这具有重要的社会影响。我们指出该问题设定是进一步研究的肥沃土壤，并强调其有趣的挑战。此项及相关研究的成果正被纳入IRS审计选择方法的持续改进中。