本文提出了一个框架来解决外部有效性偏差，包括针对泛化性和可迁移性的方法综合，它们所需的假设以及对治疗效应异质性和研究与目标人群之间差异的测试。
Feb, 2021
本文提出了一种新的方法来优化二分类或连续处理的细微变化，该方法可以利用观测数据，其中因果效应使用各种策略（包括可观察的选择和仪器变量）进行识别，并建立了一种针对选择谁进行治疗的算法，并确定了其产生的政策渐近效用后悔的强有力保证。
Feb, 2017
给定一个随机对照试验，从中推理因果关系可能与一些效应修饰因子不同分布的目标人群无关。我们利用一个附加的观察研究学习到的预测模型，无需对该研究做任何假设来补充试验数据，提出了能够更好地推广试验结果的算法，并以理论和实证的方式展示了当观察研究是高质量时，我们的方法能够更好地推广，即使存在未测的混杂变量等情况仍能保持稳健。
Jun, 2024
通过设计统计检验以及估计观察性研究的最大偏差强度的下界，我们提出了一种超越平均治疗效应的实证研究比较方法，并在真实环境中验证了该方法的有效性，结果与现有医学知识相一致。
Apr, 2024
本研究论文通过多学科研讨会的讨论，并整合各领域的方法，回顾了随机对照试验、外部有效性、泛化性和可转移性的现有研究，同时提出了未来研究的方向，旨在增强对因果效应的泛化性和可转移性的集体理解，促进跨学科合作并为改进和应用因果推断方法的研究人员提供有价值的见解。
Feb, 2024
本文研究了使用多个数据源进行政策评估的方法，特别是在一个包含两个实验群体的实验数据集，并补充了一个由单一对照群体生成的历史数据集的情景中。我们提出了一种新颖的数据集成方法，线性地整合基于实验数据和历史数据构建的基于政策值的估计器，通过优化权重以最小化结果估计器的均方误差（MSE）。我们进一步应用悲观原则来获得更加鲁棒的估计器，并将这些方法扩展到顺序决策制定。从理论上讲，我们建立了我们提出的估计器的非渐近误差界，并推导出在广泛的奖励变动情景下其适用性、效率和鲁棒性属性。来自一家共享出行公司的数值实验和基于真实数据的分析证明了所提出估计器的卓越性能。
该研究提出了一种新的评估算法资源分配政策的实验方法，所使用的估计器可以通过重划分试验组参与者，构建对照试验并准确地评估结果。经过实证研究，该方法在合成数据、半合成数据和真实案例中都取得了改进的评估准确性。
Feb, 2023
本文提出了一种方法，将观测数据和实验数据相结合，通过控制函数方法进行因果效应的估计，以解决可能存在未观测混淆变量的问题。该方法应用于课堂规模和第三年级考试成绩的数据，结论表明，课堂规模对学生学业成就有显著影响。
Jun, 2020
本文通过控制实验方法和观察性数据建立了最优决策的理论模型，并利用域对抗神经网络的方法进行决策选择，从而在处理缺失反事实和选择偏差方面取得了较好的效果。
Feb, 2018
本文介绍了一种正式的表述方式 —— 选择图，用于表达有关感兴趣人群之间的差异和共性的知识，并利用这种表述来将可转移性问题归约为 do-calculus 中的符号推导。
Mar, 2015