模型

CausalPFN

一种基于先验拟合网络（Prior-Fitted Network）的因果基础模型，用于个体处理效应估计，但单元级聚合时区间覆盖率不足。

时间轴 (近 90 天)

10月19日

在ACIC 2016数据集上，经过温度校准的CausalPFN 95%区间在组规模超过30个单元（总样本4802个单元）时，覆盖率低于名义水平。

待验证50%

10月19日

全样本平均效应的CausalPFN区间仅在20%的数据集中包含真实值，远低于95%的预期。

待验证50%

10月19日

在全部六个基准上，作为冻结的CausalPFN之上的头部模型，联合预测模型大幅改善了覆盖表现。

待验证50%

10月19日

将联合预测模型作为冻结的CausalPFN之上的头部模型是一种模块化修复策略，保留原有单元级点估计能力，仅替换区间构建方式。

待验证50%

在ACIC 2016数据集上，经过温度校准的CausalPFN 95%区间在组规模超过30个单元（总样本4802个单元）时，覆盖率低于名义水平。

全样本平均效应的CausalPFN区间仅在20%的数据集中包含真实值，远低于95%的预期。

在全部六个基准上，作为冻结的CausalPFN之上的头部模型，联合预测模型大幅改善了覆盖表现。

将联合预测模型作为冻结的CausalPFN之上的头部模型是一种模块化修复策略，保留原有单元级点估计能力，仅替换区间构建方式。