PICLE-PFN：纵向因果效应估计基础模型

2026年10月26日，arXiv Artificial Intelligence 刊出 Wenxin Chen 等作者的论文，提出 PICLE-PFN（Policy In-Context Longitudinal causal Effect estimation with Prior-data Fitted Networks）。作者称其为首个面向纵向因果效应估计、支持动态治疗策略的基础模型，通过上下文中的历史决策演示来表示目标策略。模型在由纵向结构因果模型生成的合成数据上预训练；给定新的观测数据集与目标策略后，单次前向传播即可直接预测条件平均潜在结果（CAPOs），无需任务特定的训练或超参数调优。在合成与半合成纵向基准上，其 RMSE 与现有最优估计器相当，不确定性校准明显改善，部署运行时间仅为后者的一小部分。目前该工作处于论文发布阶段，尚无独立复现或后续应用报道。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。