平均處理效果

深度分析

Transformer 貝葉斯教師：自適應 ATE 實驗的深度學習框架

隨機臨床試驗與線上A/B測試需要兼顧推論有效與效率，研究提出以Transformer作為貝葉斯實驗者，透過注意力聚合歷史資料模擬貝葉斯後驗Neyman分配，實驗顯示可自動適應結果平滑度並接近最佳配置，提升ATE估計精度，此方法亦可延伸至政策評估與資安風險測試，提供可解釋且自動化的實驗設計框架。