📊 پیشرفت در یادگیری ماشینی: معرفی MOCA برای تحلیل‌های علی (Causal Inference)

محققان در تازه‌ترین پژوهش خود، چارچوب نوآورانه «MOCA» (مبتنی بر مدل‌های ترنسفورمر) را برای تخمین اثرات علی از داده‌های مشاهده‌ای معرفی کرده‌اند.

تفاوت اصلی MOCA این است که با طراحی ماژولار، مدل‌سازی «درمان» و «نتیجه» را از هم تفکیک می‌کند تا از سوگیری‌های احتمالی جلوگیری شود. این مدل ثابت کرده که در تخمین اثرات علی، عملکردی بهتر از روش‌های کلاسیک و مدل‌های پیشین دارد و راهکار جدیدی برای پژوهشگران حوزه داده ارائه می‌دهد. 🚀

منبع: arXiv Machine Learning