# SCOUT

SCOUT把高维、含噪的基线变量压成至多两维的混杂调整得分，并在这一低维空间里学习一个对治疗有响应的复合结局，从而在观察性数据中估计平均与异质性治疗效果。在STEP-BD的481名双相障碍参与者中，它学到的复合结局把最大权重给了夜尿、震颤、多尿和恶心呕吐，平均效应为0.250，Holm校正后平均效应检验为0.0026、异质性检验为0.033。在合成与半合成数据上，它的平均效应误差与CV-TMLE接近，而针对其得分索引目标的CATE误差明显更低。

SCOUT把高维、含噪的基线变量压成至多两维的混杂调整得分，并在这一低维空间里学习一个对治疗有响应的复合结局，从而在观察性数据中估计平均与异质性治疗效果。在STEP-BD的481名双相障碍参与者中，它学到的复合结局把最大权重给了夜尿、震颤、多尿和恶心呕吐，平均效应为0.250，Holm校正后平均效应检验为0.0026、异质性检验为0.033。在合成与半合成数据上，它的平均效应误差与CV-TMLE接近，而针对其得分索引目标的CATE误差明显更低。

该工作提出 SCOUT，一个离线多智能体强化学习框架：它分别训练流匹配行为先验与分解式价值函数，在测试时用 Stein 变分梯度下降把行为样本输运到高价值区域，并以输运步数替代固定正则系数；在个体-全局-最大（IGM）原则下证明了联合软价值差的单项 KL 界随输运收敛而消失、并留有与 IGM 违背成正比的不可约加性残差；实验上在离散与连续离线 MARL 基准上取得最佳平均性能，并在所有离线到在线配置中都有提升。

该工作提出 SCOUT，一个离线多智能体强化学习框架：它分别训练流匹配行为先验与分解式价值函数，在测试时用 Stein 变分梯度下降把行为样本输运到高价值区域，并以输运步数替代固定正则系数；在个体-全局-最大（IGM）原则下证明了联合软价值差的单项 KL 界随输运收敛而消失、并留有与 IGM 违背成正比的不可约加性残差；实验上在离散与连续离线 MARL 基准上取得最佳平均性能，并在所有离线到在线配置中都有提升。