近日，人工智能领域的顶级国际会议NeurIPS（Neural Information Processing System）公布了2023年的录用结果，其中包括浙江大学数据科学研究中心崔逸凡课题组的研究成果“Optimal Treatment Regimes for Proximal Causal Learning”。NeurIPS是人工智能领域的顶级学术会议，讨论内容覆盖了深度学习、计算机视觉、大规模机器学习、学习理论、优化、稀疏理论等众多细分领域。该会议在每年的12月举行，由NeurIPS基金会主办，今年将在美国新奥尔良会议中心举行。

录用论文简要介绍如下：

当决策者基于观察性数据进行因果学习并制定决策方案时，一个常见的挑战是数据中可能存在未被观测的混杂因素。近期提出的代理因果推断表明，现实生活中大量存在的代理变量可以被用来识别因果效应，从而有效地辅助决策。基于代理因果推断的框架，崔逸凡课题组提出了一种利用结果混杂桥函数和治疗混杂桥函数的新型个性化决策方案，并证明了该方案的价值函数的可识别性。这一决策方案充分利用了代理变量的信息，其决策效果明显优于文献中现有的决策方案。该工作进而提供了关于这一个性化决策方案的估计方法，并提供了相应的理论保证。此外，模拟实验和真实世界数据也展示出所提出的决策方案的最优性与可解释性。

论文第一作者沈韬为崔逸凡在新加坡国立大学期间指导的研究生。论文通讯作者崔逸凡为浙江大学数据科学研究中心研究员。