Adith Swaminathan

概述

机器学习研究员，ICML 2016 论文《Recommendations as Treatments》合作者，在反事实学习和离线策略评估方向有重要贡献。

关键内容

1. 核心贡献：作为合作作者参与 Recommendations as Treatments（ICML 2016），将因果推断的逆倾向评分方法引入推荐系统。

2. 研究背景：在 Cornell University 与 Tobias Schnabel、Thorsten Joachims 等人合作，研究方向包括反事实学习、离线策略评估、强化学习。

3. 后续影响：Swaminathan 在反事实学习（Counterfactual Learning）和离线策略评估（Off-Policy Evaluation）方向持续产出重要工作，是因果推断应用于决策系统的核心研究者之一。

来源

• Recommendations as Treatments (Schnabel et al., ICML 2016)

相关

• Recommendations as Treatments — 代表性合作论文
• Cornell University — 合作时所属机构
• Tobias Schnabel — 合作者
• Thorsten Joachims — 合作者