请问一下原论文中的离线指标是如何计算的？ dqn的样本label是用户的折扣回报，但这个是未知的，只有当前request的点击、成交、计费等是groundtruth，那么怎么评估不同模型效果呢？
请问一下原论文中的离线指标是如何计算的？
dqn的样本label是用户的折扣回报，但这个是未知的，只有当前request的点击、成交、计费等是groundtruth，那么怎么评估不同模型效果呢？