热点事件持续更新
Wasserstein Causal Forests for Distribution-Valued Outcomes
1 篇报道1 个报道来源6 小时前更新
先了解这件事
AI 综述
2026-09-30，arXiv · Statistics Machine Learning 发布一手研究，提出 Wasserstein Causal Forests（WCF），用于处理每个单元结果为概率分布的因果推断场景。该方法定义了有限网格变换下的平均与条件平均处理效应，并引入参考距离对比。
AI 根据报道生成 · 5 小时前更新
最新进展9月30日 12:00
2026-09-30，arXiv 发布 WCF 研究，提出分布值结果的因果推断方法。报道时间线
沿着报道，了解事件的不同侧面。
9月30日
- arXiv · Statistics Machine LearningWasserstein Causal Forests 用于分布值结果的因果推断
该研究提出 Wasserstein Causal Forests（WCF），处理每个单元结果为概率分布的因果推断场景，定义了有限网格变换的平均与条件平均处理效应及参考距离对比。
本事件热度走势
当前热度 8·可比范围峰值 9（9月30日 14:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。