Neyman--Rubin causal model

新的生成式学习器可估计因果效应，性能优于现有方法

一项新的研究论文提出了一种生成式学习器，旨在估计异质性处理效应并表征因果效应的完整分布。这种多头神经网络方法结合了协变量特征和余弦分位数嵌入，能够恢复平均处理效应和整个效应分布。与广义随机森林和双重机器学习等现有技术相比，该方法在样本量较小的情况下，在样本外均方误差方面表现出显著的性能提升，超过70%。研究人员将该方法应用于Gaia DR3恒星数据，将Stefan--Boltzmann定律形式化为单向因果模型，并成功恢复了非线性温度-光度关系。