p67 第一条就是你的问题，而且这门课明确把它放在了范围之外——这件事本身对你的论文有用。
原文：What to do when the behavior policy is deterministic? 整讲的机器（IS、WIS、PDIS、DR、截尾、HCOPE、SPI）全部建立在 π_b 随机这个前提上，而 Brunskill 在最后一页把「它不随机怎么办」列为 Other Relevant Work。
这给了你一句可以直接用的定位：你面对的不是这套方法的一个应用，而是它明确承认未解决的那个入口。这比「我们把 OPE 用到 LLM workflow 上」有分量得多——后者听起来像应用，前者是在一个被点名的缺口上工作。在引言里引这一句（课件 p67 或 ICML 2015 的 future work），你的问题陈述就立住了。
而文献里对这个缺口的回答你已经有了：Sachdeva / Su / Joachims 的 deficient support（限制目标策略类，或接受有偏但可控的估计），以及你自己的两条路——把球撑大（随机化 + 记 propensity）或绕开球（穷举 oracle）。本讲的 p67 给了这两条路一个权威的「为什么需要它们」。
p67 第二条和第三条也各自对上了你的一处取舍。 安全探索：你收集 oracle 表的过程本身是要花钱的、而且会产生低质量输出——如果那些输出会被用户看到，那就是「探索期间的安全」问题，而本讲不管这个（它假设你可以随便探索、只在上线前谨慎）。所以 oracle 表必须在离线、不面向用户的环境里跑，这不是实现细节，是本讲框架成立的条件。单条轨迹：你的保证是「留出集上 G 的期望更好」，不保证任何单条 query 不变差——如果有「每条 query 的准确率都不能下降」这种需求，本讲的全部机器都不适用，要换 CVaR 一类的目标。这条该主动写进局限。
p68 那张术语对照表是最实用的一条。 如果你的审稿人有因果推断背景，用 IPW / 倾向得分 / AIPW / positivity 的语言会比用 IS / 覆盖条件的语言更容易沟通——而「行为策略确定性」在那边叫「倾向得分退化、正值性不成立」，那边对这个情形的讨论比 RL 这边多得多。多读一侧文献，等于多一条出路。 ⚠ 还有混淆这一条要当心：你的设定里「状态」是什么？如果指派策略只看节点编号，那么 query 的难度就是一个未观测的混淆因子——它同时影响「哪些配置被跑过」和「结果好不好」。这正是 P2/P3 消融在回答的问题，而用因果的语言说会更清楚。
最后，p69 最后一条值得当成写作要求：能说清保证不保证什么。对你而言这至少包括：不保证单条 query、不保证 query 分布漂移后仍成立、不保证 oracle 表之外的配置、不保证尾部、不保证模型 API 换版本后仍成立。把这些主动列出来，是最有效的防守。

CS234 第十五讲 · 只有一份旧数据，怎么在上线之前就知道新策略更好