因果下游任务中的表象与假象

基于摘要分析。本文研究随机对照试验（RCT）中结局记录为高维观测时的处理效应估计，考察表征学习中的采样与建模选择是否会使因果估计产生偏差。贡献包括理论分析、真实世界基准 ISTAnt，以及控制因果模型的合成视觉数据验证，而非 EEG 或 BCI 方法。 作者的理论分析指出，即使在 RCT 这一相对简单的因果设置下，文献中多种常见选择仍可能导致有偏估计。摘要未展开具体采样策略、表征构造、估计器或偏差成立的条件，尚不能据此判断哪些实现能够避免问题。 ISTAnt 以花园蚂蚁（Lasius neglectus）为研究对象，通过 RCT 研究蚁群成员被施加微粒后，蚂蚁如何以卫生梳理行为作出反应；作者将其称为首个面向高维观测因果下游任务的真实世界基准。作者报告，在该研究中比较了从先进视觉骨干微调得到的 6 480 个模型，采样与建模选择显著影响因果估计准确性，分类准确率不能作为其代理。作者还报告，在可控制因果模型的合成视觉数据上重复分析，为上述结论提供进一步验证。摘要未提供偏差幅度、指标定义、数据划分、样本量或具体骨干名称，实验协议、消融及统计信息尚未验证。 其方法论价值是提醒读者：预测标签的能力与回答处理效应问题的能力需要分别评估。但本文主要证据来自蚂蚁行为与合成视觉数据，不能据此推出 EEG 解码或 BCI 干预评估中的有效性；摘要也不足以构造明确的迁移方案。作者提出的表征学习指南及其适用边界，仍需阅读全文核对。