统计与因果不确定下MDP反事实推理新框架

Jessica Lally、Milad Kazemi 与 Nicola Paoletti 在 arXiv 论文（2610.20210）中提出一个对统计不确定性和未知因果模型均稳健的 MDP 部分反事实推断框架，用于回答“若当时改变行动结果会怎样”这类部分反事实问题。 基于论文摘要：方法为区间 MDP 所蕴含的全部结构因果模型给出反事实概率的闭式解析界，并通过悲观价值迭代计算实现目标反事实结果的最小稳健干预。多个案例实验显示该方法可用于识别若改变即可改善结果的最小动作集合。 该结果目前处于论文阶段，尚未见独立验证。

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。