论文提出可一次前向估计纵向因果效应的基础模型 PICLE-PFN。
资讯摘要
论文提出 PICLE-PFN，称其为首个支持动态治疗策略的纵向因果效应估计基础模型。该模型通过上下文中的历史-决策示例表示目标策略，并在由纵向结构因果模型生成的合成数据上预训练，从而把因果效应估计摊销到不同数据集、策略与预测期上。面对新观测数据与目标策略，它一次前向即可直接预测条件平均潜在结果，无需任务特定训练或调参。作者报告在合成与半合成基准上，其 RMSE 具竞争力，不确定性校准明显改善，部署耗时仅为需逐数据集训练调优的现有方法的一小部分。
要点速读
- 论文提出 PICLE-PFN，用上下文历史-决策示例统一表示动态治疗策略。
- 模型在纵向结构因果模型生成的合成数据上预训练，一次前向预测 CAPOs，无需任务特定训练或调参。
- 作者报告在合成与半合成基准上 RMSE 具竞争力、不确定性校准改善，部署耗时显著低于逐数据集训练调优的现有估计器。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/27 08:00:28（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。