研究人员开发了一个新的基准，用于评估深度学习模型在疫情时间序列中的反事实预测能力，特别是在干预措施随时间变化的情况下。该基准通过提供源自详细的基于代理的模型生成的现实反事实结果，解决了现有数据集的局限性。该模型整合了真实的や人口、流动性、流行病学和政策数据，模拟了美国150多个县的场景，从而能够更可靠地评估因果推断方法。 AI
影响 为AI模型在动态政策变化下预测疫情传播提供了更现实的评估框架。
排序理由 该集群包含一篇详细介绍AI模型新基准的研究论文。
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
arXiv:2606.05692v1 Announce Type: new Abstract: Deep learning has enabled significant advances in time-series causal inference, yet progress remains constrained by the lack of realistic benchmarks with observable counterfactual outcomes. Existing datasets either rely on real-worl…