「次に何を試すべきか」を学習する：ACEが因果実験を“方策”として身につける話

因果関係を知りたいとき、次の介入はどう選ぶのが正解なのか？ 実は「毎回その場で一番よさそう」を繰り返すだけでは、経験が“戦略”として蓄積されにくい。判断は積み重なっているのに、学びは積み重ならない——そのズレが問題になる。 この記事では、介入の選び方そのものを学習するACEと、相対比較で学ぶDPOの狙いが分かる。

Proなら長文回答とスレッド保存で、論文ごとの知識DBを作れます。