arXiv · Statistics Machine Learning· Christophe Muller, Ayub Kharel, Alex Luedtke, Chan Park, Eric Tchetgen Tchetgen, Juan L. Gamella, Rahul Krishnan, Ricardo Silva, Jakob Zeitler·· 3 小时前AI 评分32
ProximalFM：隐藏混杂下的摊销近端因果推断
ProximalFM: Amortized Proximal Causal Inference under Hidden Confounding
AI 导读
研究者提出 ProximalFM，用先验-数据拟合网络（PFNs）在隐藏混杂条件下估计条件平均处理效应（CATE）的贝叶斯后验分布。模型在合规结构因果模型的合成数据上训练，借助 oracle 反事实把贝叶斯算子求逆摊销为单次 Transformer 前向传播，并采用 Monte Carlo 估计 oracle CATE 以处理额外随机误差。
来源：arXiv · Statistics Machine Learning · arxiv.org