# 信息瓶颈

该工作提出通用奖励推断与解耦方法 GRID，通过信息瓶颈把每个智能体的奖励函数分解为所有智能体共享的通用奖励与体现个体偏好的特定奖励，仅用通用奖励训练即可得到内化安全与基本任务能力等通用环境胜任力的通用智能体，并在合成基函数分解、多智能体 Craftax、MuJoCo Gym 连续控制与 Highway-Env 自动驾驶模拟器实验中成功以语义有意义的方式解耦奖励结构、优于标准示范学习基线，并支持更高效稳定的下游任务专门化。

该工作提出通用奖励推断与解耦方法 GRID，通过信息瓶颈把每个智能体的奖励函数分解为所有智能体共享的通用奖励与体现个体偏好的特定奖励，仅用通用奖励训练即可得到内化安全与基本任务能力等通用环境胜任力的通用智能体，并在合成基函数分解、多智能体 Craftax、MuJoCo Gym 连续控制与 Highway-Env 自动驾驶模拟器实验中成功以语义有意义的方式解耦奖励结构、优于标准示范学习基线，并支持更高效稳定的下游任务专门化。

这篇博士论文围绕如何把因果机器学习用于真实临床实践，沿三条线索展开：在临床情境下的二值治疗效应估计中识别出八个直接影响治疗效应估计的关键决策点并提出结构化设计框架；针对反事实预测难以验证的问题，提出一种把平均模型预测锚定到可用随机或真实世界临床试验数据经验验证的组级量的新方法，并展示信息瓶颈正则化可降低反事实误差界、提升治疗效应估计表现；在连续因果机器学习方面以物理治疗剂量对功能独立性的影响为具体医疗用例开展研究；在元强化学习方面提出一种利用多数据集学习更稳健、更可泛化策略的新算法。

这篇博士论文围绕如何把因果机器学习用于真实临床实践，沿三条线索展开：在临床情境下的二值治疗效应估计中识别出八个直接影响治疗效应估计的关键决策点并提出结构化设计框架；针对反事实预测难以验证的问题，提出一种把平均模型预测锚定到可用随机或真实世界临床试验数据经验验证的组级量的新方法，并展示信息瓶颈正则化可降低反事实误差界、提升治疗效应估计表现；在连续因果机器学习方面以物理治疗剂量对功能独立性的影响为具体医疗用例开展研究；在元强化学习方面提出一种利用多数据集学习更稳健、更可泛化策略的新算法。