Бизнесу важно строить рекомендательные системы, которые оптимизируют выручку, маржу и маржинальность. Такие метрики часто невозможно оптимизировать классическими методами из-за их недифференцируемости. Проект исследует возможность применения offline-RL для прямой оптимизации метрики ранжирования NDCG@10.