Open Bandit 数据集与流水线：迈向真实且可复现的离策略评估

离策略评估（OPE）旨在利用由不同策略生成的数据来估计假设策略的性能。由于其在实践中巨大的潜在影响，该领域的研究兴趣日益增长。然而，目前没有真实世界的公开数据集能够用于 OPE 的评估，使其实验研究不真实且不可复现。以实现真实且可复现的 OPE 研究为目标，我们提出了 Open Bandit Dataset，一个在大型时尚电子商务平台 ZOZOTOWN 上收集的公共日志 bandit 数据集。我们的数据集的独特之处在于，它包含在相同平台上运行不同策略所收集的一组多个日志 bandit 数据集。这使得首次能够对不同的 OPE 估计量进行实验比较。我们还开发了名为 Open Bandit Pipeline 的 Python 软件，以简化并标准化批量 bandit 算法与 OPE 的实现。我们的开放数据与软件将有助于公平且透明的 OPE 研究，并帮助社区识别有价值的研究方向。我们利用我们的数据集与软件对现有 OPE 估计量进行了广泛的基准实验。结果揭示了未来 OPE 研究的关键挑战与新途径。