简介：本文研究结构化处理(如图表、图像、文本)的条件平均治疗效果(CATEs)的估计。在一个较弱的条件下，我们提出广义Robinson分解，它(i)分离了因果估计(减少正则化偏差)，(ii)允许插入任意模型来学习，(iii)在温和的假设下具有准Oracle收敛保证。在小世界和分子图的实验中，我们证明了我们的方法在CATE估计方面优于之前的工作。

论文链接：http://arxiv.org/abs/2106.01939.pdf
推荐理由：本文研究了对于有结构化信息的Treatment下的条件平均治疗效果的估计问题，问题设置更难并更加实用。

内容中包含的图片若涉及版权问题，请及时与我们联系删除