10月25日，本学期应用统计系学术沙龙活动的第三场报告如期开展。应用统计系曾艳老师作题为“因果强化学习概述”的学术报告，报告由应用统计系副主任陈星玎教授主持。

曾艳老师结合《A Survey on Causal Reinforcement Learning》一文，讲解了目前因果强化学习的动机、基本问题、研究进展以及未来可能的研究方向。曾老师首先介绍了因果强化学习的由来，依次从强化学习和因果的角度，分析了两门学科融合发展的必要性，总结了强化学习的数据效率低、模型解释难与策略迁移弱等问题，并讨论了因果在解决这些问题方面具有很大的潜力，强调了因果发现与推断的重要性。紧接着，她分享了现有因果强化学习方法的研究框架、分类标准与对应的研究范式，并依次介绍了因果信息已知、因果信息未知情况下的代表性工作。最后，总结了未来因果强化学习的发展方向与自身的研究兴趣。

报告过程中，部分教师与曾艳老师就相关问题展开了热烈的讨论。本次报告为学院教师在因果强化学习方面提供了很好的学习、交流与探讨机会。

报告人简介：曾艳，现为bat365官网登录入口讲师。曾艳于2021年获得广东工业大学工学博士学位，2021-2023年在清华大学计算机科学与技术系从事博士后研究。研究方向包括因果发现、因果强化学习等，尤其是隐变量间的因果关系学习、含隐混淆因子的策略学习问题等。在著名杂志和国际计算机会议发表论文近10篇。