論文の概要: Beyond ATE: Multi-Criteria Design for A/B Testing

• arxiv url: http://arxiv.org/abs/2509.05864v1
• Date: Sat, 06 Sep 2025 23:42:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-09 14:07:03.744414
• Title: Beyond ATE: Multi-Criteria Design for A/B Testing
• Title（参考訳）: Beyond ATE: A/Bテストのためのマルチクオリティ設計
• Authors: Jiachun Li, Kaining Shi, David Simchi-Levi,
• Abstract要約: A/Bテストは、臨床試験とオンラインプラットフォームの両方で条件平均治療効果(CATE)を推定する手法として広く採用されている。 本稿では、不均一な治療効果を有する(適応的な)実験において、社会福祉損失と統計的精度の基本的なトレードオフについて検討する。
• 参考スコア（独自算出の注目度）: 16.67400872891851
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: A/B testing is a widely adopted methodology for estimating conditional average treatment effects (CATEs) in both clinical trials and online platforms. While most existing research has focused primarily on maximizing estimation accuracy, practical applications must also account for additional objectives-most notably welfare or revenue loss. In many settings, it is critical to administer treatments that improve patient outcomes or to implement plans that generate greater revenue from customers. Within a machine learning framework, such objectives are naturally captured through the notion of cumulative regret. In this paper, we investigate the fundamental trade-off between social welfare loss and statistical accuracy in (adaptive) experiments with heterogeneous treatment effects. We establish matching upper and lower bounds for the resulting multi-objective optimization problem and employ the concept of Pareto optimality to characterize the necessary and sufficient conditions for optimal experimental designs. Beyond estimating CATEs, practitioners often aim to deploy treatment policies that maximize welfare across the entire population. We demonstrate that our Pareto-optimal adaptive design achieves optimal post-experiment welfare, irrespective of the in-experiment trade-off between accuracy and welfare. Furthermore, since clinical and commercial data are often highly sensitive, it is essential to incorporate robust privacy guarantees into any treatment-allocation mechanism. To this end, we develop differentially private algorithms that continue to achieve our established lower bounds, showing that privacy can be attained at negligible cost.
• Abstract（参考訳）: A/Bテストは、臨床試験とオンラインプラットフォームの両方で条件平均治療効果(CATE)を推定する手法として広く採用されている。 既存の研究のほとんどは推定精度の最大化に重点を置いているが、実際的な応用には、福祉や収益の損失など追加の目的も考慮する必要がある。 多くの環境では、患者の成果を改善する治療の実施や、顧客からの収入を増大させる計画の実施が不可欠である。 機械学習フレームワーク内では、このような目的は累積的後悔の概念によって自然に捉えられる。 本稿では、不均一な治療効果を有する(適応的な)実験において、社会福祉損失と統計的精度の基本的なトレードオフについて検討する。 結果の多目的最適化問題に対する上限と下限の整合性を確立し、パレート最適性の概念を用いて最適な実験設計のための必要かつ十分な条件を特徴づける。 CATEを見積もるだけでなく、実践者は国民全体の福祉を最大化する治療政策の展開をしばしば目論んでいる。 我々は,我々のパレート最適適応設計が,精度と福祉のトレードオフによらず,最適な実験後の福祉を実現することを実証した。 さらに、臨床データや商用データは高感度であることが多いため、堅牢なプライバシ保証をいかなる治療-割り当て機構にも組み込むことが不可欠である。 この目的のために、我々は確立された低い限界を達成し続け、プライバシーを無視できるコストで達成できることを示す、差分プライベートなアルゴリズムを開発した。

関連論文リスト

• Treatment Effect Estimation for Optimal Decision-Making [65.30942348196443]
  2段階CATE推定器を用いた最適意思決定について検討する。 本稿では,CATE推定誤差と判定性能のバランスをとるためにCATEを再ターゲットとした2段階学習目標を提案する。
  論文  参考訳（メタデータ） (2025-05-19T13:24:57Z)
• Are causal effect estimations enough for optimal recommendations under multitreatment scenarios? [2.4578723416255754]
  異なる治療やコントロール下での潜在的な結果を比較するために、因果効果推定分析を含めることが不可欠である。 マルチトリートメント選択のための包括的方法論を提案する。
  論文  参考訳（メタデータ） (2024-10-07T16:37:35Z)
• Privacy Preserving Adaptive Experiment Design [13.839525385976303]
  社会的福祉の喪失と統計的権力とのトレードオフを文脈的盗賊実験で検討する。 プライバシが"ほぼ無償"であることを示す,下位境界にマッチする差分プライベートアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-01-16T09:22:12Z)
• Pruning the Way to Reliable Policies: A Multi-Objective Deep Q-Learning Approach to Critical Care [46.2482873419289]
  我々は、より信頼性の高いクリティカルケアポリシーを得るための深いQ-ラーニングアプローチを導入する。 本手法を,集中治療室のシミュレーション環境と実際の健康記録を用いて,オフライン・オフ・セッティングで評価した。
  論文  参考訳（メタデータ） (2023-06-13T18:02:57Z)
• Task-specific experimental design for treatment effect estimation [59.879567967089145]
  因果推論の標準は大規模ランダム化試験(RCT)である。 近年の研究では、RCTのよりサンプル効率の良い代替案が提案されているが、これらは因果効果を求める下流の応用には適用できない。 実験的な設計のためのタスク固有のアプローチを開発し、特定の下流アプリケーションにカスタマイズされたサンプリング戦略を導出する。
  論文  参考訳（メタデータ） (2023-06-08T18:10:37Z)
• Constrained multi-objective optimization of process design parameters in settings with scarce data: an application to adhesive bonding [48.7576911714538]
  接着プロセスに最適なプロセスパラメータを見つけることは困難である。 遺伝的アルゴリズムのような伝統的な進化的アプローチは、その問題を解決するのに不適である。 本研究では,目的関数と制約関数をエミュレートするために,特定の機械学習手法をうまく応用した。
  論文  参考訳（メタデータ） (2021-12-16T10:14:39Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。