Ottimizzazione Robusta delle Politiche Controfattuali tramite Modelli Causali Non Deterministici

Uno studio recente nell'apprendimento automatico affronta il problema dell'inferenza controfattuale nel processo decisionale sequenziale, che di solito si basa su quadri causali deterministici. I ricercatori definiscono l'ottimizzazione delle politiche controfattuali utilizzando modelli causali non deterministici probabilistici, distinguendo tra confondimento latente e stocasticità inevitabile. Introducono una sfida di ottimizzazione fattibile volta a scoprire politiche controfattuali resilienti in un contesto di analisi di sensibilità. Questo metodo viene testato su un simulatore per il trattamento della sepsi, dove lo stato di diabete funge da confonditore globale nascosto. L'articolo è disponibile su arXiv con l'identificatore 2608.02893, classificato sotto Informatica > Apprendimento Automatico.