因果思维链：通过上下文隔离缓解注意力泄漏
🧭 因果推理 · 上下文隔离 CoT
Università della Svizzera Italiana · ETH Zurich · University of Oxford
提出 CausalCoT 推理框架，将问题拆成 DAG 原子子问题并在隔离上下文中求解，提升因果敏感度与解释忠实度
📌 工作参考价值（4 点）
- 在电商推荐/广告的 LLM 解释生成或 Agent 多步决策中，可借鉴 DAG 分解：把复杂任务拆成原子子问题，每个节点只喂直接依赖的上下文，降低无关信息通过注意力污染推理路径的风险。
- 对于多步 query 改写、选品推理等场景，用隔离上下文能减少模型“直接查答案再补理由”的虚假解释，使中间步骤对局部输入更敏感，便于定位错误节点。
- 可复用 test-time intervention 机制：线上发现某个推理节点输出错误时，只需修正该节点即可按依赖图向下游传播，无需重新生成整条推理链，利于实时策略调整。
- 架构上可采用结构化依赖图作为推理骨架，与现有 CoT 或 ReAct 类流程兼容，额外成本主要在子问题拆解和上下文裁剪，适合对可信度和可审计性要求高的推荐解释或风控审核逻辑。
因果记忆策略：通过干预检索使记忆效用可识别
🧭 Agent 记忆管理 · 因果识别 ★ 深度解读
Illinois Institute of Technology
提出 CMP，用随机化检索暴露恢复记忆效用的可识别性，解决确定性检索下的 positivity violation
📌 工作参考价值（4 点）
- 在 RAG / 生成式推荐或用户画像记忆系统中，离线估计某个 item 或 memory 的增量价值时，必须警惕召回/检索阶段的 positivity 问题：未被召回的 item 其效用不可识别，导致基于效用的 eviction 或降权策略退化为随机。可借鉴 CMP：保留固定比例曝光槽位，对候选 item/memory 以已知 propensity 随机采样，强制产生 support。
- 采用平衡分配（balanced assignment）替代独立随机：固定每个 item 的曝光次数，propensity 精确已知，方差可解析计算；估计器用 self-normalized IPW（等价于 arm 均值差），便于工程实现。
- 对不可逆操作（如删除记忆、商品永久下架、从长期候选池剔除）采用单边弃权（one-sided abstention）：Bayes 最优规则要求只有当估计效用显著低于负阈值时才执行不可逆操作，避免误删高价值 item。
- 识别出 utility 不等于能做出 retention 决策：per-query utility 在特定 query 上 AUC 很高，但跨 query 聚合困难，无法用单个标量代表长期价值。这提示在推荐/搜索中，item 价值随上下文变化，需要 query-conditioned 模型而非全局打分，且保留/淘汰决策需考虑未来查询分布的不确定性。
因果基础模型
🧭 因果推断 · In-context Learning
Layer 6 AI, Toronto, Canada · TD Bank Group, Toronto, Canada
提出因果基础模型（CFM），在大规模合成数据上预训练，对新数据集通过 in-context learning 零样本估计因果效应
📌 工作参考价值（4 点）
- 广告/Uplift 建模：将 CFM 作为预训练因果先验，在新 campaign 上零样本估计 ATE/CATE，减少冷启动数据需求；可先在小样本上验证策略效果，再决定是否训练专用模型。
- 合成数据流水线：参照 CFM 训练方式，在业务点击/转化模拟器中大规模生成含 treatment/control 的数据，预训练因果模型，再迁移到真实小样本任务上。
- Agent 决策：营销动作选择、定价折扣、Push 文案等场景中，可内嵌 CFM 估计不同动作的因果效应，避免仅用相关模型误判 ROI。
- 工程实现：论文开源代码和 notebooks 提供可复用的 CFM 架构与合成数据生成方法，可直接作为团队因果推理 baseline。
多方法因果证据合成：从观察数据中按交叉方法收敛证据排序候选驱动因素
🧭 因果证据合成 · 多方法融合
Tricon Infotech
提出MCES框架，融合11种方法、8类数学传统，用收敛证据分数对候选驱动因素排序，避免单一方法误判。
📌 工作参考价值（4 点）
- 在归因/特征筛选场景代替单一SHAP或回归：对同一面板数据（用户×时间×实验外）跑多个因果/相关方法（Granger、回归、IV等），输出归一化后线性意见池，优先看多方法共同指向的 driver-outcome 对；可降低单方法假设失配带来的假阳性。
- 先用 Structural-Behavioral Decomposition 删除定义性/代数关系：例如 CTR=点击/曝光、GMV=单价×单量这种恒等特征若作为候选 driver，会天然高分；先识别并移除这类 tautological pairs。
- 将 CES 作为假设生成工具而非因果结论：用于实验前排序候选干预点，不用它替代 AB 测试；可结合业务已有实验/反事实做 scenario-specific calibration，限制外推。
- 工程化：方法池可并行执行，输出统一 [0,1] 归一化，成本可控；建议保存方法级别证据矩阵，便于审计和 case 复盘。
带目标正则化的 CVR 因果效应双稳健估计
🧭 CVR 因果效应估计 · 双稳健 + 目标正则化 ★ 深度解读
Tsinghua University · Tencent Inc.
为链式点击-转化结果构造双稳健因果效应估计器，并用目标正则化提升稳定性
📌 工作参考价值（4 点）
- 在 CVR 因果效应估计中，不要只在点击样本上应用标准因果估计器；可直接采用论文推导的影响函数校正项，构造 P_n(μ2/μ1) + P_n(δ(A=a)/(π μ1^2)[(Y2-μ2)μ1 - (Y1-μ1)μ2])，实现对点击选择偏差和 nuisance model 误差的双稳健。
- 工程实现上优先用目标正则化替代 one-step DR 校正：在 loss 中加入 R = mean((Y2-μ2)/μ1 - (Y1-μ1)μ2/μ1^2 - ε(a)/π)^2，用低维 spline 参数 ε(a) 学习校正项，能避免低点击率下分母放大导致的数值不稳定。
- 多任务同时估计 CTR 和 CVR 因果效应，并显式建模 μ2 = μ1 * tilde μ2，可共享底层表征、利用 Y2≤Y1 的先验，提升样本效率；同时 block 从目标正则化项传到 propensity 的梯度，保证 π 估计质量。
- 对连续 treatment，采用 varying-coefficient 网络（spline 基函数控制网络权重）可防止 treatment 信号被高维协变量淹没，在广告/补贴策略评估中较易迁移。
检测效果不等于学会按例行动：LLM采集智能体的奖励信噪比下限
🧭 LLM信号获取决策 · 奖励信噪比下限
University of California, San Diego
揭示LLM信号平均有效但无法学习按例决策的信噪比下限，噪声占位符可复现虚假增益
📌 工作参考价值（4 点）
- 在电商 Agent 决策（如是否调用 LLM 生成推荐文案）前，先计算信号效应的信噪比 ρ=μ/σ，并确保 ρ>2.8/√N，否则学习路由策略将退化为随机。
- 当信噪比不足时，放弃学习动态按例获取策略，改用设计时的静态分片（如按用户群体、场景开关）来规避无效学习。
- 验证 Agent 决策可学习性时，必须加入噪声占位符对照：用匹配矩的独立噪声替换信号，若仍能复现≥100%的 Oracle 增益，说明原始“可学习结构”实为噪声排序伪象。
- 结构化假设嵌入（SHE）提供了一种可解释的用户意图注入方式：用冻结 LLM 生成带置信度的意图列表并嵌入召回或排序模型，适合电商中长短期兴趣解耦，但需注意其对模型 backbone 敏感，建议先在特定 regime 内验证提升。
利用策略重叠加速A/B测试：反事实估计视角
🧭 反事实估计 · A/B测试加速 ★ 深度解读
Independent Researcher · aampe
将随机流量分配视为元策略，用Δ-OPE利用策略重叠达成严格方差缩减，并提供最优流量与排名扩展
📌 工作参考价值（4 点）
- 免费方差缩减：在线上A/B测试中直接使用Δ-IPS或Δ-DR代替标准DiM，仅需记录两个策略的动作分布，当新旧模型存在重叠时即可自动获得更低方差，无需改变流量分配或延迟实验。
- 非平衡流量设计：放弃固定的50/50分流，利用历史日志估计策略分歧度，计算方差最优分流比p*（例如对探索性策略倾斜流量），可额外减小18%以上的方差（模拟显示）。
- 聚焦模型训练：Δ-MRDR loss对样本加权 wΔ²，让奖励模型集中拟合策略分歧区域，在推荐场景异构用户分布下，可比标准Δ-DR再降约8%的ATE估计方差。
- 排名实验加速：对推荐/搜索排序，用Δ-DCG并加入位置最优基线（Δβ*⊥⊥-DCG），可抵消策略分歧增大时的方差膨胀，始终优于传统均值差，可直接用于多臂A/B测试中的曝光指标评估。
深度学习因果检索优化：Pinterest高效电商分发触发策略
🧭 因果学习 · 检索触发策略优化 ★ 深度解读
Pinterest, Inc. · LinkedIn
将检索级触发决策建模为因果提升问题，利用随机化数据与双重稳健多任务学习，离线重放选择阈值，线上大幅缩减购物触发并提升整体参与度
📌 工作参考价值（4 点）
- 触发决策因果化：将“是否触发某类候选集”视为增量预估问题，而非相关性排序，可直接用于电商推荐中控制商品卡片、广告坑位的展示频次，避免过度分发损害用户体验。
- 反事实数据收集与DR训练：通过随机化Holdout流量获得无偏反事实数据，使用Doubly Robust伪结果训练uplift模型，配合多任务学习与事件级上采样，可复用到消息推送、广告投放等稀疏事件的触发决策中。
- 离线重放评估与阈值选择：基于随机化日志的线性时间复杂度重放算法，提供不同阈值下的业务指标曲线，与线上效果高度一致，无需频繁线上实验即可迭代策略，工程成本低。
- 解耦学习与决策：模型只学习潜在结果和提升信号，策略阈值通过离线重放选择，二者解耦，使产品侧可审计、可解释地调整触发力度，无需重新训练模型。
CausalMix：通过因果推断优化语言模型训练数据混合
🧭 数据混合优化 · 因果推断
Tsinghua University · Ant Group · Renmin University of China
将数据混合优化转化为因果推断问题，利用CATE从小规模实验外推到大规模模型与数据
📌 工作参考价值（4 点）
- 推荐模型多域数据配比：电商推荐中常需融合搜索、推荐、广告等多域数据，可借鉴CausalMix用小规模代理实验+因果模型推断最优配比，避免大规模重训。
- 混杂因子控制：将数据域特征（如长度、难度）作为协变量，显式建模以剔除伪相关，提升配比泛化性，适用于动态数据池下的训练策略调整。
- 外推能力：方法支持从0.5B模型外推到7B模型，从512次运行外推至800K数据池，可降低推荐模型在不同规模、不同时段数据上的配比试错成本。
- 可解释性工具：CATE Interpreter提供可视化的混合策略分析，可帮助理解不同数据域对下游任务的影响，指导人工调参。
归因但不增量：大规模广告的蚕食修正归因框架
🧭 广告归因 · 增量实验校准 · 层级分配 ★ 深度解读
TikTok
以增量实验为因果锚点，将稀疏实验信号转化为每日归因修正，大幅消除付费广告归因中的蚕食偏差
📌 工作参考价值（4 点）
- 实验校准归因信号：部署轻量级修正层，将已有的增量实验作为校准锚点，每天修正渠道级归因量，无需替换现有归因管道，直接产出更接近真实增量的 DNU，用于 nROI 计算与预算决策。
- 代理变量建模泛化实验 Lift：利用有机基线代理特征、节假日/季节性、渠道投放强度等持续可得的特征，将稀疏实验 Lift 泛化到全量渠道×日粒度，工程实现简单（广义线性模型+Huber 损失），抗噪声且可解释。
- 层级约束分配保证操作性：在渠道日总量校准后，通过归一化倾向得分将修正量分配到广告计划、版位、设备等细粒度业务单元，并强制父子聚合一致性与可行性边界，避免修正信号泄漏到无关分支，使预算调整更精准。
- 滚动评估与自动重校准：采用前向滚动实验设计，新完成实验只用于评估后续周期，避免数据泄露，并可周期性重训模型以适应市场变化，适合持续运行的广告系统。
面向可持续增长：电商搜索的多价值感知检索框架
🧭 生成式推荐 · 冷启动与长期生态价值 ★ 深度解读
Taobao & Tmall Group of Alibaba
提出兼顾即时转化与新商品长期增长潜力的多价值感知生成式检索框架，在淘宝实现新商品GMV提升5.3%
📌 工作参考价值（4 点）
- 长短期价值解耦的奖励设计：通过 ItemLTV 反事实预测新商品的“增量交易价值”，将长期潜力量化为可优化信号，可直接迁移到电商推荐/检索的重排或混排阶段，作为长期收益的辅助目标。
- 多价值对齐训练范式 (MoPO)：将搜索漏斗（曝光→点击→购买）与 ItemLTV 分数统一为加权奖励，并用 clipped importance weight 缓解头部偏差，可复用到多目标召回模型，自动探索高潜力长尾商品。
- 生成式检索 + Semantic ID 的冷启动方案：利用 RQ-VAE 生成三层语义ID，并在解码时使用 trie 约束保证合法性，可借鉴到品类多、新品频出的电商场景，避免 ID 冷启动问题。
- 线上 A/B 测试设计：结合用户侧（即时效率）和物品侧（长期增长）分桶实验，提供了一套评估长期生态价值的方法论，对业务中衡量新商品扶持策略的真实效果很有借鉴价值。
连续处理下的因果基础模型
🧭 因果基础模型 · 连续处理
首个面向连续处理的因果基础模型，通过元学习和上下文学习实现个体处理效应曲线的零样本预测
📌 工作参考价值（4 点）
- 电商中价格、折扣、广告预算等连续干预的因果效应估计，可借鉴该模型的元学习思路，预训练一个能快速适应新场景的基础模型，避免每次活动都从零建模。
- 利用合成数据生成丰富的因果训练集（类似论文的 prior over DGPs），可大幅降低真实业务标注成本，尤其适合干预变量连续且实验成本高的场景。
- Transformer 作为结构，以上下文学习方式直接输出个体处理效应曲线，相比传统的反事实预估模型，能更细粒度地刻画异质性，为个性化定价或补贴决策提供依据。
- 该模型展示的“摊销贝叶斯后验”思想，可启发我们在推荐系统中用统一的神经网络替代反复的 MCMC 推断，提升在线实验效率。