RepFlow: Representation Enhanced Flow Matching for Causal Effect Estimation

📄 arXiv: 2605.05890v1 📥 PDF

作者: Yifei Xie, Jian Huang

分类: cs.LG, stat.ME

发布日期: 2026-05-07

💡 一句话要点

提出RepFlow框架，通过表征增强与条件流匹配实现因果效应估计

🎯 匹配领域: 支柱二：RL算法与架构 (RL & Architecture)

关键词: 因果推断 条件流匹配 表征学习 反事实预测 分布建模 Wasserstein距离 观测数据分析

📋 核心要点

  1. 现有因果推断方法多局限于点估计，难以对潜在结果的复杂分布进行建模，且难以有效处理观测数据中的选择偏差问题。
  2. RepFlow将表征学习与条件流匹配（CFM）集成，通过最小化处理组与对照组间的Wasserstein距离实现平衡表征，并利用流模型捕捉分布。
  3. 实验结果表明，RepFlow在多个基准数据集上表现优异，在点估计和分布估计任务中均显著超越了现有的主流因果推断模型。

📝 摘要（中文）

从观测数据中估计因果效应在医疗、经济和社会政策等领域至关重要。因果推断的核心挑战在于反事实缺失及选择偏差。现有方法大多局限于点估计，缺乏对结果分布的建模能力。本文提出了RepFlow，这是一个将表征学习与条件流匹配（CFM）相结合的联合优化框架。RepFlow通过最小化处理组与对照组表征之间的熵正则化Wasserstein距离来缓解选择偏差，并引入L2归一化约束以提升数值稳定性。这种平衡的表征使流模型能够精确捕捉潜在结果的分布。在多个基准测试上的实验表明，RepFlow在点估计和分布因果效应估计方面均优于现有方法。

🔬 方法详解

问题定义：论文旨在解决观测数据中因果效应估计的两个核心痛点：一是选择偏差（Selection Bias）导致处理组与对照组分布不一致；二是现有方法大多仅关注均值点估计，无法刻画潜在结果的完整概率分布。

核心思路：通过联合优化策略，将表征学习与生成式建模结合。利用表征学习消除协变量间的分布差异，构建平衡的特征空间，进而利用条件流匹配（CFM）对潜在结果的条件分布进行高精度建模。

技术框架：整体架构包含两个协同模块：一是表征学习模块，负责将原始特征映射到平衡的潜在空间；二是条件流匹配模块，以平衡后的表征为条件，通过学习概率路径将简单分布映射至潜在结果分布。

关键创新：引入了熵正则化的Wasserstein距离作为分布对齐准则，有效缓解了选择偏差；同时将流匹配技术引入因果推断，实现了从点估计到分布估计的范式转换。

关键设计：在潜在表征空间引入L2归一化约束，显著提升了流模型训练的数值稳定性；损失函数由表征平衡损失与流匹配损失加权构成，确保了特征提取与分布建模的同步优化。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

RepFlow在多个主流因果推断基准测试中表现出色。实验数据表明，该方法在处理非线性因果关系和复杂分布时，显著降低了估计误差。相比于传统的倾向评分匹配或基于GAN的因果模型，RepFlow在点估计精度上提升明显，且在分布拟合的Wasserstein距离指标上表现出更强的鲁棒性。

🎯 应用场景

该方法在医疗决策（如个性化药物疗效评估）、经济学政策干预分析及社会科学研究中具有重要价值。通过提供潜在结果的分布预测，它能帮助决策者不仅评估平均效应，还能量化干预效果的不确定性与风险，从而支持更稳健的决策制定。

📄 摘要（原文）

Estimating causal effects from observational data has become increasingly critical in diverse fields including healthcare, economics, and social policy. The fundamental challenge in causal inference arises from the missing counterfactuals and the selection bias. Existing methods are largely limited to point estimates and lack the capacity for distribution modeling. In this work, we propose RepFlow, a novel framework that formulates causal effect estimation as a joint optimization problem integrating representation learning with Conditional Flow Matching (CFM). RepFlow mitigates selection bias by minimizing the entropically regularized Wasserstein distance between treated and control representations. To enhance numerical stability, we further introduce an $L_2$ normalization constraint on latent representations. This balanced representation enables the flow model to accurately capture the distribution of potential outcomes. Extensive experiments across a wide range of benchmarks demonstrate that RepFlow consistently outperforms existing methods in both point and distributional causal effect estimation.