未测量混淆下的离线策略学习因果校正框架

2026年10月28日，arXiv（cs.AI / cs.LG）发布一篇论文，提出 CAT-CCB 与 CAT-CMDP 框架，用于在未测量混淆下做离线策略学习。报道称，论文提出一套因果校正的可迁移性框架：该框架利用多个异构源数据集，并结合可迁移性理论、工具变量、负对照与代理变量，在源域与目标域存在差异、记录变量又遗漏混淆因素的情况下，识别目标域的因果量。据此，该工作面向源域与目标域分布不一致、且存在未测量混淆时的离线策略学习问题。目前可见信息仅来自该论文的发布报道，暂无后续实验复现、对比评测或同行评议结果的报道。

AI 根据报道生成 · 53 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。