예상대로 흥미진진한데

Do-PFN

 

예상대로 흥미진진.

 

아직 appendix를 안봐서

experiment detail은 파악을 못 했는데

 

CATE estimation하는 ML method가 이거 밖에 없었나?

나 뭔가 공부 많이 했던 거 같은데 ㅎㅎ

뭔가 baseline을 좀 더 풍성하게 가져갔으면 싶네.

 

좀 찾아보고, 코드 돌려봐야겠다. 

음.. 좀 괴롭혀보고 싶어 ㅎㅎ 이것저것 dataset 가져다가.

 

그리고, causal effect estimation은 verify할 수 없는 assumption을 깔고 진행하기 때문에

robustness check를 반드시 같이 하잖아. sensitivity analysis 같은 거. 

assumption이 violate되었을 때, 결과가 얼마나 영향을 받는지.

 

물론 여기서 Do-PFN은 그런 assumption을 relax 했다는 게 큰 장점 같은데

unidentifiable한 상황에서도 어느정도 추론을 할 수 있다는 거

 

근데 이런 assumption이 violate되었을 때 얼마나 performance에 영향을 받는지

unidentifiable한 상황에서 uncertainty를 좀 구체적으로 정량화해줬음 좋겠어. sensitivity analysis처럼. 

 

그래야 제약이나 의료라든지 그런 critical한 상황에서도 쓸모가 있는 foundation model이 될 것 같은뎅.