연구진은 연속적인 개입 변수를 활용하는 인과적 기반 모델을 최초로 제시했어요. 이 모델은 추가 훈련 없이 다양한 작업에서 인과적 효과를 예측하는 능력을 갖추고 있어요.
연구진은 연속적인 개입 변수를 가진 데이터 생성 과정을 위한 새로운 사전 구조를 설계하여 풍부한 인과적 훈련 코퍼스를 생성했어요.
모델은 관측 데이터만으로 개별적인 개입-반응 곡선을 재구성하는 데 사용되며, 문맥 내 학습을 활용하여 비용이 많이 드는 베이지안 사후 추론을 완화해요.