研究了在确定性记录下的反事实学习中逆推估计和重新加权倾向得分估计器的可能退化现象，并将其与最近提出的确定性日志记录下的反事实学习技术联系起来，以提高基于网络的机器翻译服务。

Nov, 2017

通过提出的带约束预测 (Bandit Structured Prediction) 方法，只利用预测点处的任务损失函数值的非精确反馈，在统计机器翻译中完成了矫正重排序的任务，且仍能取得较高的翻译质量。

Jan, 2016

本篇论文研究了如何通过历史系统中用户反馈数据来提高目标系统的性能，并介绍了一种将此框架应用于神经语义解析的方法。该方法的挑战在于适当地重新加权评估器，以避免策略学习中已知的退化现象，并仍能适用于随机梯度优化。为了与人类用户进行实验，我们设计了一个易于使用的界面来收集人类对语义解析的反馈。我们的工作是第一个显示从已记录的人类反馈数据中可以通过反事实学习显著提高语义解析器性能的工作。

May, 2018

开发了一种学习原则和一种有效算法，用于从记录的 bandit 反馈中进行批处理学习。由此产生的 Counterfactual Risk Minimization 原则提供了 POEM 的新学习方法，用于学习结构化输出预测的随机线性规则。

Feb, 2015

通过对历史系统中的模型输出提供人类可理解的语句，并将其转换为学习信号，我们介绍了新的估算器，并讨论了如何将我们的反馈收集方法无缝地集成到部署的虚拟个人助手中，从而证明了从记录的人类反馈数据中，可以通过反事实学习显著提高语义解析器。

Nov, 2018

本文考虑利用离线估计器从上下文 bandit 算法生成的日志数据中获取期望奖励最有效的离线评估和优化方式，我们的估计器在广告设计方面得到了应用，证明了我们对标准估计器的方差降低是有效的。

Sep, 2018

本论文提出了一种基于信息理论的反事实变分信息瓶颈方法来处理缺失的非随机数据，并证明该方法可以替代需要昂贵的随机对照试验的过去的反事实学习方法，提升了推荐系统中浅层和深度学习模型的性能。

Sep, 2020

本文提出了一个基于因果关系的 Counterfactual Adversarial Training 框架（CAT），通过对单个样本生成对应的反事实表示，动态调整样本特有的损失权重，以此鼓励模型探索真实的因果关系，实现在句子分类、自然语言推理和问答等领域的显著性能提升。

Sep, 2021

本文综述了针对基于推荐系统的记录进行学习的基于不同离线策略估计器的几种方法，并比较了它们在 RecoGym 模拟环境中的实证表现。

Sep, 2019

提出使用生成的对应事实标签进行校正的反事实增强技术，以解决基于用户行为所导致呈现偏倚问题。经验证，该技术比现有的校正方法以及未校正模型产生更好的性能，并且在理想情况下所生成的对应事实与真实对应事实非常接近。

May, 2023