#causal inference

3 篇

Event-Time Confounding Under Bursty Human Dynamics

突发人类动态下的事件时间混杂

🧭 因果推断 · 事件研究偏差诊断

Scrunch AI

揭示行为日志中用户自选事件时间导致的片段选择偏差，并提供诊断协议与审计工具

📌 工作参考价值（4 点）

评估 AI 助手、推荐点击或广告曝光后的增量效果时，不要仅对比事件前后活动量，因事件常发生在用户已有任务片段中；应引入 known-null 对照（如随机时间戳或非事件时间点）并匹配事件前的活动轨迹，避免将任务延续误判为干预效应。
在 A/B 测试或因果归因分析前，可集成论文中的诊断协议或使用 burstcheck 工具审计日志：检查事件前活动是否已开始上升、事件后活动是否只是片段自然衰减；这能有效识别并过滤存在 episode-selection bias 的数据。
用户固定效应和粗粒度活动匹配（如按日活分层）无法消除这种时变混杂，建议在工程中改用 episode 级别匹配：找到具有相似爆发模式但无目标事件的用户片段作为对照，或在同一用户内匹配有事件与无事件的活动片段。
该结论对搜索、推荐、广告的归因分析同样适用：例如用户点击推荐后转化提升，可能只是用户购买旅程中的自然波动；需要与未点击的类似片段比较，而不是简单依赖点击后窗口内的指标。

Other | 2026-08-21 | cs.HC | score 7/10

FunnelCausalNet: Funnel-aware Joint Conversion-Revenue Uplift for Multi-tier Coupon Allocation

漏斗感知的转化-营收联合 uplift 建模与多层级优惠券分配

🧭 多臂 uplift · 漏斗耦合 + 预算分配 ★ 深度解读

AMap Alibaba Group

硬耦合转化概率与条件价值的漏斗结构，配套预算分配与审计不确定性层

📌 工作参考价值（4 点）

GMV 目标建议改成硬漏斗：mu_gmv = mu_conv * mu_val，用 BCE 训练转化头、转化者子集上 log(1+GMV) MSE 训练价值头；在转化率 4.6%–45.4% 的零膨胀优惠券场景，比直接 GMV 回归的 PEHE 低 18–48%。
不要用 narrow-α conformal 下界驱动预算分配，重尾/零膨胀下容易塌缩成全不发券；优先用 RCT 臂均值锚定后的点估计输入 Lagrangian 分配器，或把 α 放宽到 0.10–0.20。
离线评估多臂补贴策略时，建议扫 LP 前沿或 EOM 曲线，得到 (ΔGMV%, ΔROI) 完整 tradeoff，而不是只看单点 AUUC；策略匹配子集上用 Hájek IPW 估计更贴近 RCT 日志。
若漏斗日志模糊或异步，可换 soft penalty；但在支持关系确定、零膨胀严重的真实 RCT 场景，硬耦合更稳。共享表示可能带来跨头协方差，理论方差优势只能当 regime heuristic。

RecSys | 2026-08-12 | cs.IR | score 8/10

uplift modeling causal inference zero-inflation conformal prediction budget allocation multi-tier coupons

Validity Threats for Foundation Model Research

基础模型研究中的效度威胁：一个因果推断评估框架

🧭 基础模型研究效度评估框架 ★ 深度解读

University of Tübingen · University of Vienna

为节省算力而采用的代理实验、观察性研究、单次运行等策略，会引入统计、内部、外部和构念效度威胁，不可免费换取。

📌 工作参考价值（4 点）

代理实验（Proxy Experiments）的外推风险：在推荐/Agent 研发中，若用小规模模型或代理任务（如点击率预测代在离线收益）来筛选方案，必须验证结论能否跨规模泛化，否则可能错失真正有效的大模型配置。可借鉴论文中对外部效度和构念效度的警示，设计从小到大的校准实验。
观察性研究（Observational Studies）中的混淆因子：分析公开模型榜单、开源 Recipe 时，时间、数据泄露、架构更新等混淆变量会导致虚假关联。我们在分析离线实验与在线指标关系时，应像论文建议的那样尝试用因果推断方法（如调整混淆、使用工具变量）替代简单的相关性分析。
单次训练内实验（Single-Run Designs）的干扰问题：当在单次训练中比较不同数据点影响（如数据价值、记忆化分析）时，共享模型参数会造成单元间干扰，破坏内部效度。Agent 中做数据 attribution 或行为归因时，需意识到标准 DiD/RDD 等方法的“无干扰”假设在 LLM 中极易违反，可探索独立 canary 注入等理论控制方法。
评估框架的迁移使用：论文提出的统计、内部、外部、构念四维效度检查清单可直接用于评审推荐系统的实验设计，例如评估新召回模型时自问：样本量是否足够（统计）？是否控制了混因（内部）？在电商大促数据上训练的结果能推广到日常吗（外部）？离线 AUC 提升真代表用户体验改善吗（构念）？

Eval | 2026-06-03 | cs.LG | score 8/10

validity threats causal inference proxy experiments observational studies research methodology foundation models