「因果基础模型」来了:预训练一次,上下文学习即可估处理效应
chaumian · x · 2026-09-04
arXiv 论文《Causal Foundation Models》系统介绍因果基础模型(CFM)这一新兴方向。
- 痛点:传统因果推断需为每个新问题定制流程——提出因果机制、选估计器、再训练,成本高。
- 思路:借鉴基础模型范式,CFM 是预训练一次的神经网络,可在全新数据集上通过 in-context learning 估计平均处理效应等因果量,无需更新模型参数。
- 内容:论文提供了因果推断与机器学习的必要背景,讨论 CFM 的现状与前景,并附示例代码与 Jupyter notebook,代码已开源。
所属事件:arXiv 论文提出「因果基础模型」：预训练一次即可估算因果效应(2 条相关)→
「研究」频道最新
- 日本 Moonshot IoB 脑机接口项目公开五年研究成果海报 — kaixhin · 2026-10-23
- 指标口径变更会骗过 Agent：开发者提出专属 eval 设计思路 — jylusdev · 2026-10-23
- ruff 作者发问：AI 芯片设计从 RISC-V 扩到 x86 有多难 — charliermarsh · 2026-10-23
- Transformer 联合建模电子与磁性，能量误差仅 0.01% — bravo_abad · 2026-10-23
- Google Cloud AI 发布 PLE 基准：所有前沿模型真实工程任务得分不足 50% — sainingxie · 2026-10-23
- AI×Bio 48小时爆发：OpenAI 收购 Orchestra Bio 等 16 条动态 — vaibhavbetter · 2026-10-23