安全探索

定义

安全探索是在推荐策略主动尝试不确定候选时，限定候选范围和风险暴露，使收集新反馈的动作保持在预设体验约束内。

核心判断

推荐探索必须在收益、体验和风险护栏内获取新信息；无约束随机探索会把学习成本直接转嫁给用户和生态。

工程检查

定义探索预算、准入候选、风险过滤、分群护栏、停止条件、回滚路径和长期收益评估。

本书依据

《第二十八章-强化学习推荐场景.pdf》，PDF 第 1 页起。

扩展说明

离线策略评估可降低上线风险，但不能完全替代受控在线实验。