用离线强化学习构建 Next Best Action 系统

文章介绍如何用离线强化学习从零搭建音乐流媒体场景的 Next Best Action 系统，用于在用户沉默 30 天后决定是否触达、选择何种渠道与内容。内容涉及 Conservative Q-learning、reward hacking 问题以及 doubly robust 离策略评估，但摘要仅覆盖问题定义与动机，未展示实验数据或评估结果。

AI推荐理由 文章以音乐流媒体场景从零构建 Next Best Action 系统，涉及 Conservative Q-learning、reward hacking 与 doubly robust off-policy evaluation 等离线强化学习关键方法，对推荐/用户留存类 AI 系统开发者有实操参考价值；但正文片段仅停留在问题定义与动机，未给出实验数据、代码或评估结果，方法有效性无法从现有内容判断。