模拟对事实的反事实情况
通过采用贝叶斯层级模型来建模不确定性，本文解决了连续设置中对反事实分布的模棱两可性问题，特别是在贝叶斯变形高斯过程中，允许非高斯分布和非加法噪声，成功应用于一个合成和半合成的案例，并展示了在算法补救下游任务中的性能。
Sep, 2023
本文提出一个新的概率模型，用于计算模型的多个对抗性解释。该模型可以共享群体分组的信息，并保留领域特定的约束条件，同时评估不确定性，并得出合理、稀疏、多样和可行的结果。
Jan, 2023
基于回归方法，我们开发了建模和推断计数事实分布的工具，并构建了置信区间用于检验计数事实的功能假设，应用到美国数据的实证分析中，同时引入了分布回归作为建模方法，这个方法不仅全面灵活，而且对于建立稳健分布回归进程及各种相关的功能，我们建立了中心极限定理和引导验效果。
Apr, 2009
本文介绍了使用 [Balke 和 Pearl，1994] 中提出的方法计算假设查询的概率的方法，其中查询的前提被解释为迫使命题 A 成立的外部行动，并开发了技术来评估这些边界，并展示了他们在两个应用中的使用：（1）从选定自己的治疗方法中确定治疗效果，（2）在产品安全诉讼中确定责任。
Feb, 2013
本文研究模型不确定性下的反事实计划及其强健性，提出一种不确定性量化工具，计算给定反事实计划的有效性的上下界，并提供校正方法以提高计划的有效性和鲁棒性。实验验证了我们提出的边界和校正方法具有指导现实世界数据集中反事实计划的应用的意义。
Jan, 2022
个性化决策需要对不同处理方法下的潜在结果有所了解，并且关于潜在结果的置信区间能够丰富决策过程并提高其在高风险场景下的可靠性。本研究提出了一种基于推断加权拟合预测的新方法 wTCP-DR，他能够在存在隐性混淆的情况下提供对反事实结果的置信区间，并具备边际收敛保证。通过访问部分干预数据，我们的方法能够解决观测分布和干预分布之间的协变量转移问题。理论结果明确表明了我们的算法相对于只使用干预数据的朴素方法的条件优势。在确保反事实置信区间有效之后，构造个别处理效应的区间是直接的。我们通过合成数据和真实世界数据验证了我们的方法的优越性，其中包括推荐系统，并与现有最先进方法进行了比较，结果在覆盖率和效率两方面都表现出优势。
May, 2024