从变系数模型，
到个体化响应函数学习

1. 问题、范围与综述方法

1.1 研究问题

设 unit \(i\) 的 response law 为

\[ R_i:\mathcal X\to\mathcal P(\mathcal Y). \]

本文关心的不是某一种估计器，而是下面这个更基础的问题：

学术界以哪些形式允许不同 unit 拥有不同 response function？这些方法依靠什么共享结构 获得可学习性，在哪类数据上表现良好，又为什么没有以一个统一名称成为通用机器学习范式？

这里的 “unit” 可以是病人、消费者、地理区域、设备、时间序列所处的局部状态，也可以是 元学习中的 task。不同文献对 unit 的定义并不相同，因此“看起来都在学习一条个体曲线”并不 意味着它们具有相同 estimand 或 identification semantics。

1.2 三层纳入范围

本文采用叙述性而非穷尽式检索，把文献分成三层：

1. 直接谱系：论文明确使用 varying-coefficient、functional-coefficient、random-coefficient 或 subject-specific functional effects；
2. 实质同构：方法从 unit/task evidence 生成参数、函数或函数分布，即使不使用 VCM 名称；
3. 因果特化：方法学习 CATE、ITE 或 continuous dose-response，但必须单独核对其 ignorability、overlap、cross-world 或实验设计假设。

泛泛的“个性化预测”不自动纳入。只有当模型显式表达 unit-conditioned relation、curve、 mechanism 或 function distribution 时，才属于本文讨论的核心对象。

1.3 证据等级

本文把实验主张分成三档：

• 真实 factual prediction：输入和 outcome 均来自真实观测，可做 held-out prediction；
• 半合成 response/counterfactual benchmark：covariates 来自真实数据，但 treatment、outcome 或完整 response curve 由研究者生成；
• 纯合成机制恢复：unit function 与所有 query outcome 均由 simulator 给出。

这一区分很重要。半合成数据可以比较方法是否恢复了已知曲线，却不能直接证明真实病人的 counterfactual response 已被恢复。

2. 一个统一形式与三个必要区分

2.1 从共享函数到 unit-conditioned function

经典监督学习通常估计一条共享 law：

\[ Y_i\sim R(\cdot\mid X_i). \]

最简单的 unit heterogeneity 是让 observed descriptor \(Z_i\) 修改这条 law：

\[ R_i(\cdot\mid x)=G_\theta(Z_i)(\cdot\mid x). \]

进一步，可以把 unit function 本身视为 latent random object：

\[ F_i\sim P_F, \qquad Y_{it}\sim F_i(\cdot\mid X_{it}), \qquad p(F_i\mid\mathcal O_i) \]

由 unit 的证据集合 \(\mathcal O_i\) 更新。前一种写法给出一个确定的 context-indexed function； 后一种写法保留了 learner 对 unit function 的后验不确定性。

2.2 observed-indexed 不等于不可约的 unit-specific

经典 VCM 可以写成

\[ \mathbb E(Y_i\mid X_i,Z_i) =\beta_0(Z_i)+X_i^\top\beta(Z_i). \]

因此每个 unit 确实被赋予一条

\[ G_i(x)=\beta_0(Z_i)+x^\top\beta(Z_i), \]

但两个具有相同 \(Z_i\) 的 unit 得到相同函数。VCM 学习的是观测 modifier 到函数的映射， 不是从该 unit 的独有历史中识别一条任意 latent function。

2.3 稳定 unit type、动态 state 与 event noise

在纵向或动态问题中，更稳妥的表示是

\[ Y_{it}\sim R_\theta(\cdot\mid A_{it},U_i,S_{it},E_{it}), \]

其中：

• \(U_i\) 是跨 repeated events 保持的 response-relevant unit type；
• \(S_{it}\) 是随时间变化的内部或外部状态；
• \(E_{it}\) 是事件级随机性；
• \(A_{it}\) 是当前 query、exposure、action 或 treatment。

如果把 \(S_{it}\) 与 \(U_i\) 混在一起，“同一个 unit 的 response function”就会随每次记录 任意改变；如果把 \(E_{it}\) 吸收到 \(U_i\)，模型又会把偶然 realization 误当成稳定个性。

2.4 predictive heterogeneity 不等于 causal response

下面两个对象在观测数据中可能数值相似，但语义不同：

\[ m(a,x)=\mathbb E(Y\mid A=a,X=x), \]

\[ \mu(a,x)=\mathbb E\{Y(a)\mid X=x\}. \]

只有在 treatment assignment、confounding、consistency 和 support 条件成立时，前者才能识别 后者。更进一步，即便识别了 \(\mu(a,x)\)，它通常仍是特征为 \(x\) 的人群条件平均，而不是 某个不可约个体的完整 \(Y_i(a)\)。

3. 方法谱系

3.1 前史：random coefficients 与 mixed effects

个体参数并不是从 VCM 才开始出现。Laird 与 Ware 的纵向 random-effects model 把总体固定效应 与 subject-specific random effects 分开：

\[ Y_{it}=X_{it}^\top\beta+Z_{it}^\top b_i+\varepsilon_{it}, \qquad b_i\sim P_b. \]

重复测量使研究者能够对 \(b_i\) 做 shrinkage estimation；新 subject 的估计则借助 population distribution。Laird & Ware, 1982 奠定了这一纵向建模传统。

Guo 后来把 random effect 从有限维向量扩展为随机函数：

\[ G_i(t)=G_0(t)+B_i(t), \]

并在统一平滑空间中同时估计 population-average 与 subject-specific curves。 Guo, 2002 因而是经典统计学中最接近 “每个 subject 有一条自己的 response curve”的文献之一。

这条路线的代价是：它通常需要同一 subject 的多次观测。只有一个 outcome 时，个体随机斜率 或随机函数主要由 population prior 与协变量决定，unit-specific evidence 极弱。

3.2 Varying-coefficient models：从一个参数向量到一族局部关系

局部回归在 Cleveland、Grosse 与 Shyu 的工作中已经提供了“参数随局部位置变化”的计算基础。 Hastie 与 Tibshirani 将这类思想系统化为 varying-coefficient models：

\[ g\{\mathbb E(Y\mid X,R)\} =\sum_{j=0}^p X_j\beta_j(R_j). \]

他们给出平滑估计与 backfitting 算法，并把框架扩展到 Gaussian regression、广义线性模型和 Cox proportional hazards，从而把 GAM、dynamic GLM 与局部 effect modification 连接起来。 Hastie & Tibshirani, 1993

VCM 的关键贡献不只是“多加了 interaction”。它把一个 unit 的 descriptor \(R_i\) 映射成一组 局部 coefficient functions，从而间接产生该 unit 的 response function。与此同时，它用 “对 \(X\) 保持简单、只对低维 modifier 做非参数平滑”降低完全非参数回归的维数灾难。

1993 原论文究竟展示了什么？

原论文的第一个定量例子不是 Burns 或 Aorta，而是一个单缸乙醇发动机的 NOx 排放实验， 共 \(n=88\) 个观测。令 \(E\) 表示 air–fuel equivalence ratio，\(C\) 表示 compression ratio， 作者拟合

\[ \mathbb E(\mathrm{NOx}\mid E,C)=\beta_0(E)+\beta_1(E)C. \]

这里 \(E\) 是 effect modifier，\(C\) 是保持局部线性的 predictor。最终 varying-slope 模型的 residual sum of squares 为 2.65（72 degrees of freedom）；表中三个更简单的结构分别为 5.19、6.33 和 3.20。论文据 approximate F-tests 判断：\(E\) 与 \(C\) 的 interaction 不能省略， 且 \(C\) 的 coefficient 需要随 \(E\) 非线性变化。这是有意义的结构比较与 in-sample fit， 但不是现代意义上的 held-out benchmark。Hastie & Tibshirani, 1993

第二个主要应用把 VCM 放进 logistic regression，研究回顾性 myocardial-infarction 数据中 blood pressure、cholesterol ratio 与 antihypertensive treatment 的交互。作者明确提醒：风险因子 是在病例发生 MI 之后测量的，因此该例更多是在展示 flexible interaction 以及 naive observational interpretation 的陷阱，不能当作个体化 treatment effect 的证据。 Hastie & Tibshirani, 1993

这个历史事实也澄清了本文的术语：VCM 中的 modifier 可以是年龄、时间、位置、剂量或系统状态， 它为具有相同 modifier 的 observations 分配同一条条件响应函数；它不自动等于某个 subject 的 独有 evidence，更不自动识别不可约的 individual mechanism。

Fan 与 Zhang 随后建立了 local linear、two-step optimal estimation 等统计理论；当不同 coefficient functions 具有不同 smoothness 时，两步估计可以优于朴素 one-step procedure。 Fan & Zhang, 1999；其后续综述总结了 VCM 在经济、 金融、流行病学、医学、生态、纵向和 survival data 中的发展。 Fan & Zhang, 2008

3.3 直接后代：时间、空间、高维和树结构

纵向与 functional data

Hoover 等研究了不规则重复测量中的 time-varying coefficients，允许同一 subject 内相关，并 给出 smoothing spline、local polynomial、cross-validation 和收敛性质。 Hoover et al., 1998

Huang、Wu 与 Zhou 进一步用 basis functions 做全局平滑，提供 subject bootstrap、置信区域与 假设检验，并处理 observation times 稀疏且不规则的 repeated measurements。 Huang et al., 2002

非线性时间序列

Chen 与 Tsay 的 functional-coefficient autoregressive model 让 AR coefficients 随滞后状态 变化，包含或近似多种 threshold 和 smooth-transition dynamics。 Chen & Tsay, 1993

Cai、Fan 与 Yao 发展了局部线性估计、模型检验和 forecasting 方法。他们强调：只平滑一个 低维状态 \(U_t\)，同时保持对 lag vector 的线性结构，可以比完全非参数时间序列更节省样本。 Cai et al., 2000

空间异质性

Geographically Weighted Regression 在每个地理位置拟合局部回归关系，并用空间 kernel 决定 邻近观测的权重。它本质上是以 location 为 modifier 的变系数模型，适合 housing、环境、 流行病学和区域经济中的 spatial nonstationarity。 Brunsdon et al., 1996

学习 modifier 与高维选择

传统 VCM 预先指定哪个变量是 modifier。Adaptive VCM 进一步学习一个低维 index，使 coefficients 成为未知线性组合的函数，从而在灵活性和维数约简之间折中。 Fan, Yao & Cai, 2003

在 large-\(p\), small-\(n\) 情形中，Xue 与 Qu 通过非凸正则化选择非零 coefficient functions， 证明 oracle property 与最优收敛率；其模拟中真实模型选择频率高于 LASSO、adaptive LASSO 和 SCAD。Xue & Qu, 2012

从平滑变化到分段变化

Model-based recursive partitioning 先拟合一个参数模型，再检验 parameter instability，并沿 最不稳定的 partitioning variable 递归切分，因此得到 piecewise-constant 的局部响应模型。 Zeileis et al., 2008

Decision-tree-boosted VCM 则直接用 boosted trees 表示 effect modifiers，减少对 modifier space 的平滑结构假设，并保留 coefficient-level explanation。 Zhou & Hooker, 2022

截至 2026 年，这条统计学路线仍在继续发展。Fabbrico、Pedone 与 Stingo 的 INVENT 模型把 covariates 同时作为 predictors 与 effect modifiers，用正交 spline basis 和稀疏 Bayesian prior 选择线性、非线性 main effects 与 interactions，并显式处理这种双重角色造成的 likelihood identifiability 问题。它产生 subject-specific coefficients，但这些 coefficients 仍是 observed covariates 的平滑函数，而不是从独有 repeated history 推断的 latent unit function。 Fabbrico et al., 2026

3.4 因果机器学习：从异质效应到整条 dose-response curve

二元 treatment 下，causal forest 估计

\[ \tau(x)=\mathbb E\{Y(1)-Y(0)\mid X=x\}, \]

将 random forest 的局部分组能力用于 heterogeneous treatment effects 与统计推断。 Wager & Athey, 2018

Bayesian multi-task Gaussian Process 把 factual 与 counterfactual outcomes 当作 vector-valued function，并给出个体 treatment-effect estimate 的 pointwise credible intervals。 Alaa & van der Schaar, 2017

连续 treatment 把一个 contrast 扩展成整条曲线。DRNet 使用 treatment-specific layers 与 dose strata heads 学习多个 treatment 的 dose-response。 Schwab et al., 2020

SCIGAN 用生成器补全 counterfactual response curves，再训练 inference network 为新样本预测 曲线。Bica et al., 2020

VCNet 是这条因果谱系与经典 VCM 的最直接连接。它让 neural prediction head 的权重成为 treatment \(t\) 的 spline functions：

\[ \widehat\mu(t,x)=f_{\theta(t)}\{z(x)\}. \]

论文同时估计 generalized propensity density，并用 functional targeted regularization 估计 整条 average dose-response curve。Nie et al., 2021

然而，这些论文中的 “individualized” 通常指

\[ \mu(t,x)=\mathbb E\{Y(t)\mid X=x\}, \]

即 observed covariates 所索引的条件平均 potential-outcome curve。它们没有从一个人的一次 factual treatment 中识别该人的不可约 latent \(Y_i(t)\) trajectory。

3.5 现代 function generators：同一思想的深度学习重述

Hypernetwork 用一个网络生成另一个网络的参数：

\[ \theta_i=h_\phi(O_i), \qquad G_i(x)=f_{\theta_i}(x). \]

原始 HyperNetworks 在 character-level language modeling、handwriting generation 和 neural machine translation 上达到接近当时 SOTA 的结果，并在 CNN 上以更少参数取得有竞争力的图像 识别表现。Ha et al., 2017

Conditional Neural Process 从少量 context input-output pairs 推断一条 task-specific function， 把 Gaussian Process 的函数先验思想与可扩展神经网络结合，并用于回归、分类和 image completion。Garnelo et al., 2018

这类方法证明了“从 evidence 生成一条函数”已经进入主流 ML。它们与 VCM 的区别在于 modifier 不再只是一个低维标量，生成的也可能是整张网络；但它们通常不自动拥有 causal 或 physical mechanism semantics。

3.6 Cauchy random effect：组件级邻居而非同一设定

RECaST 用 random calibration effect \(\beta_i=g(\theta_T,x_i)/f(\theta_S,x_i)\) 把 source model 的 prediction 校准到 target population。在 source/target 都取线性结构、feature \(x_i\sim\mathcal N_p(0,I_p)\) 时，两个线性投影之比 exact 服从 Cauchy；其 heavy tails 允许较大的 source–target discrepancy，并服务于 posterior predictive uncertainty 与 prediction-set coverage。Hickey, Williams & Hector, 2024

这是当前 Cauchy 选择的重要组件级邻居，但不是相同 learning object。RECaST 的 \(\beta_i\) 校准 source-to-target mapping，论文也明确采用 Bayesian parent-parameter posterior； 它不从单个 unit evidence abduce 对 fixed actual \(U=u^\star\) 的 candidate embedding law，也不学习 \(u\mapsto\{x\mapsto p_\theta(\cdot\mid x,u)\}\) 的 shared generator family。因此，可以借用它对 Cauchy ratio、 heavy-tail robustness 与 coverage 的论证，不能把它写成已经提出了本文的四层 ontology。

4. 四类方法到底学习了什么？

对照 guard。 表中的 random coefficient/function posterior 与 \(p(G_i\mid\mathcal O_i)\) 是 mixed-effects、Gaussian Process 或 Neural Process 等相邻文献的 真实学习对象，不能为了贴合当前方法而改名或抹去。反过来，这些文献中的 prior/likelihood/posterior 语义也不能自动移植给当前的 \(q_\phi(u\mid O)\)：除非另行给出 generative model 与 Bayesian update，\(q_\phi\) 只是 learner-side candidate uncertainty，不预设为 population prior 更新得到的 Bayesian posterior，也不包含 \(\phi,\theta\) 的参数不确定性。

这个表说明，文献中的“每个 unit 一条函数”至少有三种不同强度：

1. 根据已观测特征给 unit 分配一条函数；
2. 根据重复证据对 unit 的随机函数做 posterior shrinkage；
3. 从一次或少量证据中 amortize 一个函数或函数分布。

第三种是最相邻的 function-generator 谱系，也最容易遭遇不可识别性；当前契约与它的关键区别是， 直接 amortize 的是关于 fixed actual \(U=u^\star\) 的 candidate law \(q_\phi(u\mid O)\)，再与 shared \(f_\theta(x,E;u)\) composition； 普通预测输出是 outcome distribution \(p_{\phi,\theta}(y\mid O,x)\)，而不是 sampled unit 或 function posterior。

5. 哪些问题和数据最适合？

5.1 低维且有语义的 effect modifier

VCM 最理想的 modifier 通常是一到三个有明确科学含义的变量，例如：

• 年龄、calendar time、disease stage；
• treatment dose、exposure intensity；
• 经纬度或空间位置；
• population density、lagged system state；
• 一个通过 domain knowledge 或 single-index 学到的低维 score。

此时研究问题本身就是“关系如何随这个轴变化”，coefficient curves 比黑箱 feature interaction 更容易解释。

5.2 重复测量与 longitudinal trajectories

当每个 subject 在多个时间点被观察时，random slopes、functional mixed effects 和 longitudinal VCM 可以同时利用 population sharing 与 within-subject evidence。典型场景包括生长曲线、 生物标志物、CD4 trajectory、wearables、设备退化和个体行为序列。

这里必须区分 unit 与 observation：当 modifier \(U=t\) 是 calendar time 时，\(\beta(t)\) 首先表示 population relationship 随时间改变；它并不因为每个时间点不同，就自动成为“每个人一条函数”。 只有再加入 subject identity、random effects 或足够的 within-subject history，才能把 time-varying population effect 与 subject-specific trajectory 分开。

5.3 平滑非线性动力系统

如果系统动力学随当前状态连续变化，functional-coefficient AR 可以比固定 AR 更灵活，又比 完全非参数高阶 autoregression 更省样本。若真实机制存在硬 threshold，tree/TAR 往往更合适。

5.4 空间非平稳性

当“同一协变量在不同地点产生不同关系”是核心科学问题时，GWR 与 spatial VCM 很自然。但必须 防止把遗漏的空间 confounder 或不稳定局部样本误解成真实局部机制差异。

5.5 个体化 treatment 与 dose selection

连续 dose-response 在精准医疗、policy intensity、pricing 和 resource allocation 中尤其重要。 这类方法需要：足够样本量、充分 overlap、可信的 pretreatment covariates，以及 treatment assignment mechanism 的合理建模。

5.6 多 task 快速适应

当训练数据包含许多相关 tasks，每个新 task 只给少量 context pairs 时，Neural Process、 Hypernetwork 和 meta-learning 可以学习跨函数的生成规律。这里的关键不是“每个 task 单独训练”， 而是用大量旧 tasks 学到一个可快速条件化的 function prior。

6. 代表性实验结果：必须区分证据类型

这张表揭示了一个结构性事实：经典 VCM 的真实数据证据多强调拟合、解释、推断或 forecasting； 现代 individualized causal response 的完整曲线指标则主要来自半合成数据。 两者不能用同一 证据标准混在一起。

7. 这类方法为什么有效？

7.1 它在完全 pooling 与完全分离之间建立了正确折中

完全 pooling 假设所有 units 共用一条函数；完全分离则试图为每个 unit 独立拟合函数，通常 不可学习。变系数、mixed effects 与 function generator 都采用中间道路：

\[ \text{共享函数生成规律}\quad+\quad\text{unit-specific coordinate/evidence}. \]

7.2 它是一种结构化维数约简

完全非参数 \(E(Y\mid X,Z)\) 需要在 \((X,Z)\) 的联合空间平滑。VCM 保留对 \(X\) 的简单结构， 只让 coefficient 随低维 \(Z\) 变化，因此能在灵活性与样本复杂度之间取得较好平衡。

7.3 它把异质性变成可研究对象

树或深网也能拟合 interactions，但一条 \(\beta_j(t)\) 曲线直接回答：“变量 \(X_j\) 的作用如何 随年龄、时间、地点或剂量变化？”这对科学解释、机制假设生成和 subgroup discovery 很有价值。

7.4 它自然支持层级 shrinkage 与 uncertainty

Mixed effects、GP 与 Neural Process 不必把每条 unit function 当成一个确定点。它们可以保留 \(p(G_i\mid\mathcal O_i)\)，在 evidence 稀少时向 population structure 收缩，并给出函数或 contrast 的 uncertainty。

8. 根本缺点与失败边界

8.1 一个 factual point 不能识别一条任意函数

若每个 unit 只观察

\[ Y_i=G_i(X_i), \]

则对任意 \(x^\star\neq X_i\)，都有无穷多条函数在 \(X_i\) 处一致、在 \(x^\star\) 处分叉。 所以：

No cross-unit structure, no unit-level function learning.

所有可行方法都必须引入共享 family、smoothness、低秩、random-effects distribution、task prior、 结构方程、intervention data 或其他 restriction。“每个 unit 有完全自由的一条函数”不是一个 可学习模型。

8.2 高维 modifier 会重新遭遇维数灾难

VCM 的优势依赖 modifier 维度较低。Cai 等明确指出，多维 modifier 的局部平滑在实践中很快 失效。Adaptive index、sparsity、trees 与 deep encoders 缓解了问题，但同时弱化了 coefficient curve 的直接解释。

8.3 条件线性既是优势，也是表达边界

说 VCM“本质上仍是线性模型”并不完全准确：\(\beta_j(U)\) 与 link function 可以产生高度非线性的 joint response surface 和连续 interaction。更准确的限制是：给定 modifier \(U\) 后，经典 VCM 通常对预先指定的 \(X\) 保持线性或加性结构。 这正是它节省样本并保持 coefficient interpretation 的来源，也使它不适合直接承担图像、文本等需要自动学习高阶 representation 的任务。

可以先用 basis、tree 或 deep encoder 得到 \(h(X)\)，再学习 varying coefficients；但此时 coefficient 对原始变量的直接含义会减弱，模型也逐步离开经典 VCM 的“纯粹”形态。

8.4 smoothness 可能是假结构

Kernel、spline 和 GP 通常假定相邻 modifier values 具有相似 response。若真实变化是 hard threshold、稀有 subgroup 或结构突变，平滑模型会产生 bias；此时 tree、mixture 或 change-point 模型更合适。

8.5 边界、tail 与 extrapolation 不稳定

局部模型在 modifier support 的边缘只有单侧、少量邻居。原始 VCM 的 survival example 已展示 tail coefficient 对少数 observations 很敏感。对于 dose-response，这一问题转化为 positivity： 若某类人几乎不接受某个 dose，就没有足够数据支撑该处的个体曲线。

8.6 预测异质性不自动具有因果含义

观测到不同 \(A\) 与 \(Y\) 的关系随 \(X\) 变化，不代表 treatment effect 随 \(X\) 变化。 Unmeasured confounding、selection、post-treatment modifiers 和 measurement error 都可能制造 伪异质性。连续 treatment 还要求每个 relevant \((x,a)\) 附近有足够 support。

8.7 coefficient 本身依赖坐标与模型设定

改变 feature scale、basis、link function 或加入相关 covariates 都可能改变局部 coefficients。 因此“unit 的 coefficient vector”并不天然等于“unit 的物理机制”。Coefficient curve 是模型内 解释对象，而不是无条件可识别的世界属性。

8.8 新 unit 的 cold start

如果新 unit 没有 repeated outcomes，也没有信息充分的 descriptors，subject-specific curve 只能退回 population average。Neural function generator 并没有消除这个信息边界，只是把跨 unit prior 学得更灵活。

8.9 function-level evaluation 很困难

普通 prediction 只需比较 \(\hat Y_i\) 与 \(Y_i\)。完整 response function 评估需要在多个 query points 上观察同一 unit，但现实中通常做不到；因果问题还受到 fundamental problem of causal inference 的限制。因此很多论文只能评估 factual loss、semi-synthetic integrated error、policy value 或 uncertainty coverage 的某个投影。

8.10 深度版本的样本量与校准代价

SCIGAN 明确指出其 GAN 至少需要数千个训练样本。深度 individualized-response 方法还容易出现 优化不稳定、overconfident extrapolation 与 function uncertainty 未校准的问题。

9. 为什么没有以 VCM 的名字成为主流机器学习？

首先，问题的前提需要修正：核心思想已经成为主流，只是术语没有。

树模型确实解释了 VCM 思想为何被主流 ML 吸收，但不能简单说“随机森林就是变系数模型”。普通 regression tree 通常给每个 leaf 一个常数预测，标准 RF/GBDT 也不显式区分 predictor \(X\) 与 modifier \(U\)，更没有可直接阅读的 \(\beta_j(U)\)。真正结构上接近 VCM 的是 leaf 内拟合参数模型的 model-based/linear trees，以及直接用 boosted trees 表示 coefficient functions 的 tree-boosted VCM。 树方法的优势在于自动选择 split 和高维交互，而代价是平滑 coefficient curve 与显式科学语义变弱。

VCM 术语本身没有统治通用 ML，主要有六个原因。

1. 它最自然的场景是结构化科学数据。 图像和文本任务通常没有一个先验明确、低维且可平滑的 coefficient modifier。
2. 通用 ML 优化 aggregate predictive risk。 VCM 更重视 structured heterogeneity、局部效应 与可解释曲线，这些不一定提升标准 leaderboard 指标。
3. 树和神经网络减少了人工结构选择。 它们自动发现分区或 representation，研究者不必预先声明 哪个变量修改哪个 coefficient；但标准模型通常也不再输出显式 coefficient functions。
4. 完整 unit curve 没有可直接观察的标签。 难以形成 ImageNet 式统一 benchmark。
5. 灵活性与可解释性存在张力。 一旦用高维 encoder 或整网参数生成器替代低维 spline，方法 虽更强，却不再像经典 VCM 那样容易解释。
6. 软件与社区分散。 GAM、mixed-model、spatial、causal forest、meta-learning 各自拥有工具链， 没有一个统一的 “unit response function” API。

因此，VCM 没有失败；它更像一组被不同领域分别吸收的设计原则。

10. Unit-Level Response Function Learning 的更精确位置

10.1 VCM 是一个严格特例

可以把 VCM 写成一个退化的 unit-selection law：

\[ q(du\mid O_i)=\delta_{\beta(Z_i)}(du), \]

\[ R_i(\cdot\mid x) =R_\theta\{\cdot\mid x,U_i=\beta(Z_i)\}. \]

它具有三个限制：selection law 退化成 point mass；unit state 完全由 observed modifier 决定；response 对 explicit input 保持线性或广义线性。

10.2 Functional mixed effects 是 repeated-measure 特例

当 \(\mathcal O_i\) 包含同一 subject 的多个 \((X_{it},Y_{it})\) 时，可以推断

\[ p(G_i\mid\mathcal O_i) \]

并通过 population prior 做 shrinkage。这比 VCM 更接近 literal subject-specific curve，但它的 主要信息来源是 repeated outcomes，不是 one-shot evidence。

10.3 Causal individualized response 是带识别条件的特化

当 explicit input 是 treatment \(A\)，还必须声明：

• consistency / well-defined intervention；
• no unmeasured confounding 或随机化设计；
• positivity / overlap；
• structural invariance 与需要的 cross-world coupling；
• target 是 CATE、conditional mean curve、distributional response，还是 literal unit effect。

不满足这些条件时，学到的是 treatment-indexed predictor，而不是 causal response function。

10.4 更有辨识度的研究对象

一个比“每个 unit 有自己的函数”更强、也更可检验的 operational contract，首先要把 world-side outcome computation 与 learner-side prediction 分开。

第一层：world-side token selection 与 outcome generation。 Model-level \(U\) 选择 token； 在声明的 context 与 time scale 内，一次 realization \(U=u^\star\) 是该 token 的 fixed embedding。 面对 predictors/query \(x\) 与 event noise \(E=e\)，实际 outcome 是

\[ Y_{u^\star}(x)=f_\theta(x,e;u^\star). \]

样本编号不参与这次计算。Token–embedding injectivity 可以作为 identity-encoding assumption， 但 one-shot observation 不识别 \(u^\star\) 的唯一坐标，也不排除坐标重参数化。

第二层：predictors 作为 factual evidence 做 unit abduction。 Learner 看到 \(X=x\) 时， 首先把它记作 \(x^F\)，用来推断这个实际 token 可能对应什么 embedding。Abduction 有三种基本 形式：

\[ \widehat u=a_\phi(x^F) \qquad\text{(point)}, \]

\[ q_\phi(u\mid x^F) =\mathcal N\!\left(u;\mu_\phi(x^F),\Sigma_\phi(x^F)\right) \qquad\text{(Gaussian)}, \]

\[ q_\phi(u\mid x^F) =\prod_j\operatorname{Cauchy}\!\left(u_j;m_{\phi,j}(x^F), \gamma_{\phi,j}(x^F)\right) \qquad\text{(Cauchy)}. \]

Point mode 做最强的 recognition commitment；Gaussian 把 ambiguity 表达成围绕中心的 local、 finite-variance uncertainty；Cauchy 有 location 与 scale，但没有 finite mean 或 variance，因而用 polynomial tails 保留远离“典型个体”的 candidate mechanisms。三者都描述 learner 对同一 actual \(u^\star\) 的 epistemic abduction result，不是每次 sample 都创造一个新的 physical unit。 Cauchy 的 full support 也不保证任何 outcome 都能由任何 unit 生成；outcome support 仍由 \(f_\theta\) 与 \(E\) 决定。

第三层：candidate-conditioned generation。 对每个 candidate \(u\)，learner 调用同一个共享 generator \(f_\theta(x^Q,E;u)\)。为读者友好，正文把 event noise 诱导的预测写作

\[ p_\theta(\cdot\mid x^Q,u) :=\mathcal L_E\{f_\theta(x^Q,E;u)\}. \]

这不是另一个模型；\(p_\theta\) 只是 \(f_\theta\) 与 event noise 诱导的 outcome distribution。 不同 embeddings 仍可能在全部目标 queries 上产生同一 predictive map，因此 unit identity 的 可区分性与 response equivalence 是两件事。严格的 measure-theoretic kernel 记号可以在理论附录 需要时恢复，但不应遮住 generator ontology。

第四层：看到 \(X=x\) 后的 ordinary prediction。 Factual prediction 中，同一个数值 \(x\) 第二次以 query 身份出现，即 \(x^Q=x\)。Distributional abduction 的最终预测是

\[ p_{\phi,\theta}(y\mid x^F,x^Q) =\int_{\mathcal U}p_\theta(y\mid x^Q,u)q_\phi(u\mid x^F)\,du. \]

等价的 sampling procedure 是

\[ \widetilde U\sim q_\phi(\cdot\mid x^F),\qquad E\sim p_E,\qquad \widetilde Y=f_\theta(x^Q,E;\widetilde U). \]

Tilde 表示 computational candidate，不是 world-side identity redraw。Point mode 则直接使用 \(f_\theta(x^Q,E;a_\phi(x^F))\)。普通 prediction 返回 outcome distribution 或其 point summary， 不返回一个 physical unit，也不必返回一条 sampled function。

第五层：same-token counterfactual linkage。 若 factual predictors 是 \(x\)，查询同一 token 在 新输入 \(x'\) 下的 outcome，必须固定从 \(x^F=x\) 得到的 point 或 distributional abduction result：

\[ p_{\phi,\theta}(y\mid x,x') =\int p_\theta(y\mid x',u)q_\phi(u\mid x)\,du. \]

不能改成 \(q_\phi(u\mid x')\)，因为这会用 alternative query 重新识别 token，可能把 unit 一起 换掉。Fixed abduction + changed query 给出 Layer 3 的 same-token linkage；它本身仍不提供 intervention identification 或 strict singular causal attribution。

当前 tractable default 让 neural abduction operator 输出 Cauchy location/scale，并让 generator 对 \(x\) 保持 linear 或 bilinear。这是可替换的 inductive bias，不是上述 ontology 的必要条件。

在这一表述下，可以把研究贡献界定为：

We separate world-side token outcome generation from learner-side unit recognition, allow point, Gaussian, or Cauchy abduction from factual predictors, and preserve same-token counterfactuals by fixing factual abduction while changing only the mechanism query.

这一定义应坚持八条边界：

1. model-level \(U\)、actual realization \(u^\star\) 与 learner candidates 分开；
2. 样本/序列编号只做 bookkeeping，不充当 unit ontology；
3. token–embedding injectivity 与 one-shot coordinate identification 分开；
4. factual evidence \(x^F\) 与 mechanism query \(x^Q\) 的角色分开，即使 factual 时数值相同；
5. Cauchy location/scale 与不存在的 mean/variance 分开；
6. heavy-tailed candidate uncertainty 与 unrestricted outcome support 分开；
7. prediction adequacy 与 physical/causal mechanism identification 分开；
8. one-shot factual supervision 与 evaluator-only function truth 分开。

11. 仍然开放的研究问题

11.1 One-shot 条件下究竟识别了什么？

未来理论不应把 token–embedding injectivity 的建模假设误写成 actual \(u^\star\) 的数据 identification，也不应默认恢复唯一的真实 unit mechanism。更诚实的目标是描述 candidate representations、response-equivalence classes、partial identification region，或明确给出在何种 shared-family assumptions 下可以恢复 target contrasts。即使 actual unit representations 不同，它们也可能在目标 query domain 上满足 \(u\sim_R v\)。

11.2 如何构造可信的 function-level benchmark？

至少需要三类 benchmark：

• simulator 提供完整 unit functions，用于机制恢复与校准；
• 有 repeated interventions 或 crossover design 的真实数据，用于有限 query 验证；
• 只有 factual outcome 的大规模现实数据，用于 support-aware prediction 与 policy evaluation。

这三类证据必须分开报告，不能用 semi-synthetic curve recovery 代替真实因果验证。

11.3 如何评价 induced function-space law，而不只评价一个点？

候选指标包括 integrated log score、integrated CRPS、query-wise calibration、simultaneous coverage、finite-contrast error、policy regret，以及在 support 边界外拒绝预测的质量。

11.4 如何学习共享结构而不抹平真正异质性？

过强 pooling 会退化为 population regression；过弱 pooling 会造成每个 unit 的函数不可学习。 需要研究 hierarchical priors、prototype mixtures、low-rank function manifolds、neural stochastic processes 与 sparse mechanism libraries 之间的可识别性和样本复杂度。

11.5 如何处理动态 unit？

现实 unit 会随时间改变。未来模型需要同时推断稳定 \(U_i\) 与动态 \(S_{it}\)，并回答：何时 trajectory 的改变来自干预，何时来自自然 state transition，何时只是 event noise。

11.6 如何把因果识别和 function generation 接起来？

Hypernetwork 可以生成函数，但不保证反事实正确；causal estimators 可以识别某些 contrasts， 却未必生成完整 outcome distribution。一个成熟框架需要把 design/identification、unit abduction、 mechanism evaluation、uncertainty reduction 和 falsifiable evaluation 连成一条证据链。

12. 结论

围绕 unit-specific response function，学术界并非没有前人，而是已经形成一棵跨越统计学与机器 学习的大树：random-effects 提供个体参数的层级推断；VCM 把 observed modifier 映射为局部 coefficient functions；functional mixed effects 把 subject-specific deviation 扩展为随机函数； GWR、functional-coefficient time series 与 model-based trees 处理空间、状态与分段异质性； causal forest、DRNet、SCIGAN 与 VCNet 学习 heterogeneous treatment/dose response；Hypernetwork 和 Neural Process 则把 function generation 推向通用高维任务。

这棵树最重要的共同原则是：

\[ \boxed{ \text{不要求 units 共享同一条 response function；要求它们共享可学习的函数生成规律。} } \]

它没有形成统一范式，主要不是因为思想无效，而是因为各社区拥有不同的 unit、evidence、query、 estimand 与验证方式。真正值得继续提出的统一问题，是如何在有限 unit evidence 下，把 world-side \(U=u^\star\) 的 token outcome generation、由 factual predictors 得到的 point/Gaussian/Cauchy abduction、candidate-conditioned generator evaluation 与最终 outcome prediction 分开；same-token query 固定 factual abduction，只改变 mechanism query。同时必须诚实说明：token–embedding injectivity 是建模假设而非 one-shot identification，不同 embeddings 可以产生相同 predictive behavior，Cauchy heavy tails 不等于 unrestricted outcome support；只有额外的 design 与 identification 条件才能进一步获得 causal 或 mechanism interpretation。

参考文献

完整 BibTeX 见 references.bib。下面列出本文主干文献。

1. Laird, N. M., & Ware, J. H. (1982). Random-Effects Models for Longitudinal Data. Biometrics, 38(4), 963–974. DOI
2. Cleveland, W. S., Grosse, E., & Shyu, W. M. (1992). Local Regression Models. In Statistical Models in S.
3. Hastie, T., & Tibshirani, R. (1993). Varying-Coefficient Models. JRSS B, 55(4), 757–779. DOI
4. Chen, R., & Tsay, R. S. (1993). Functional-Coefficient Autoregressive Models. JASA, 88(421), 298–308. DOI
5. Brunsdon, C., Fotheringham, A. S., & Charlton, M. E. (1996). Geographically Weighted Regression. Geographical Analysis, 28(4), 281–298. DOI
6. Hoover, D. R., Rice, J. A., Wu, C. O., & Yang, L.-P. (1998). Nonparametric Smoothing Estimates of Time-Varying Coefficient Models with Longitudinal Data. Biometrika, 85(4), 809–822. DOI
7. Fan, J., & Zhang, W. (1999). Statistical Estimation in Varying Coefficient Models. Annals of Statistics, 27(5), 1491–1518. DOI
8. Cai, Z., Fan, J., & Yao, Q. (2000). Functional-Coefficient Regression Models for Nonlinear Time Series. JASA, 95(451), 941–956. PDF
9. Huang, J. Z., Wu, C. O., & Zhou, L. (2002). Varying-Coefficient Models and Basis Function Approximations for the Analysis of Repeated Measurements. Biometrika, 89(1), 111–128. DOI
10. Guo, W. (2002). Functional Mixed Effects Models. Biometrics, 58(1), 121–128. DOI
11. Fan, J., Yao, Q., & Cai, Z. (2003). Adaptive Varying-Coefficient Linear Models. JRSS B, 65(1), 57–80. DOI
12. Fan, J., & Zhang, W. (2008). Statistical Methods with Varying Coefficient Models. Statistics and Its Interface, 1(1), 179–195. DOI
13. Zeileis, A., Hothorn, T., & Hornik, K. (2008). Model-Based Recursive Partitioning. JCGS, 17(2), 492–514. Record
14. Xue, L., & Qu, A. (2012). Variable Selection in High-Dimensional Varying-Coefficient Models with Global Optimality. JMLR, 13, 1973–1998. Paper
15. Ha, D., Dai, A., & Le, Q. V. (2017). HyperNetworks. ICLR. Paper
16. Alaa, A. M., & van der Schaar, M. (2017). Bayesian Inference of Individualized Treatment Effects Using Multi-Task Gaussian Processes. NeurIPS. Paper
17. Garnelo, M., et al. (2018). Conditional Neural Processes. ICML. Paper
18. Wager, S., & Athey, S. (2018). Estimation and Inference of Heterogeneous Treatment Effects Using Random Forests. JASA, 113(523), 1228–1242. DOI
19. Zhou, Y., & Hooker, G. (2022). Decision Tree Boosted Varying Coefficient Models. Data Mining and Knowledge Discovery, 36(6), 2237–2271. DOI
20. Schwab, P., Linhardt, L., Bauer, S., Buhmann, J. M., & Karlen, W. (2020). Learning Counterfactual Representations for Estimating Individual Dose-Response Curves. AAAI. DOI
21. Bica, I., Jordon, J., & van der Schaar, M. (2020). Estimating the Effects of Continuous-Valued Interventions Using Generative Adversarial Networks. NeurIPS. Paper
22. Nie, L., Ye, M., Liu, Q., & Nicolae, D. (2021). VCNet and Functional Targeted Regularization for Learning Causal Effects of Continuous Treatments. ICLR. arXiv
23. Fabbrico, D., Pedone, M., & Stingo, F. C. (2026). An Interpretable Varying Coefficients Approach to Non-Linear Regression. Statistics and Computing, 36, 152. DOI
24. Hickey, J., Williams, J. P., & Hector, E. C. (2024). Transfer Learning with Uncertainty Quantification: Random Effect Calibration of Source to Target (RECaST). Journal of Machine Learning Research, 25(338), 1–40. Paper