ABC3: Active Bayesian Causal Inference with Cohn Criteria in Randomized Experiments
ABC3：基于Cohn准则的随机实验贝叶斯主动因果推断AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要直接研究随机实验设计、条件平均处理效应与处理组和对照组的平衡。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
ABC3：基于Cohn准则的随机实验贝叶斯主动因果推断
- 研究问题
- 当随机实验成本较高时，如何设计贝叶斯主动学习策略，更高效地估计条件平均处理效应，同时兼顾处理组与对照组的平衡和检验错误？
- 方法与思路
- 作者提出ABC3策略，将条件平均处理效应的估计误差最小化联系到积分后验方差最小化，并研究该策略对组间不平衡和第一类错误的影响。
- 材料陈述的贡献
- 摘要称证明了相应误差准则的等价关系，以及策略最小化不平衡和第一类错误概率的性质；真实数据实验中获得所比较方法中的最高效率。
- 阅读关注点
- 应核对贝叶斯模型与实验分配规则、估计误差的定义、理论最小化结论的比较范围，以及自适应分配下检验有效性的条件。
- 阅读边界
- 这是arXiv预印本，不能据此认定已同行评审或期刊接收。摘要未说明证明条件、效率指标与比较基线，不能将所述优势推广至任意实验。
原文摘要
In causal inference, randomized experiment is a de facto method to overcome various theoretical issues in observational study. However, the experimental design requires expensive costs, so an efficient experimental design is necessary. We propose ABC3, a Bayesian active learning policy for causal inference. We show a policy minimizing an estimation error on conditional average treatment effect is equivalent to minimizing an integrated posterior variance, similar to Cohn criteria \citep{cohn1994active}. We theoretically prove ABC3 also minimizes an imbalance between the treatment and control groups and the type 1 error probability. Imbalance-minimizing characteristic is especially notable as several works have emphasized the importance of achieving balance. Through extensive experiments on real-world data sets, ABC3 achieves the highest efficiency, while empirically showing the theoretical results hold.