已收录文章摘要，完整内容可前往原文阅读。
博士论文 | 大动作空间中的在线与离线策略学习导读推荐系统、广告投放、个性化内容分发和交互式决策平台都有一个共同难题：系统面对的“动作”数量极大。一个视频平台可能要从数万部影片中选择推荐项，一个电商平