多模态表示与双重稳健中介分析工作流

2026年10月23日，arXiv Artificial Intelligence 刊出 Cong Cao 的论文，聚焦反事实与干预中介分析中的表示充分性问题。论文指出，面向高维多模态健康记录的学习表示通常以重建数据为目标，而非保留因果识别所需信息；并证明任何仅依赖协变量的训练目标（重建、对比或物理约束）都无法保证表示充分。为此，作者提出一套工作流，结合模态特定的变分自编码器（在估计样本之外训练）、交叉拟合双重稳健估计器、锁定表型、先选择后确认的通路分析、可移植表示，以及针对表示不充分、暴露泄漏和敏感性的诊断。该报道为目前唯一来源，尚无后续跟进报道。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。