# 从变系数模型到个体化响应函数学习 ## 一条分散但连续的方法谱系 > English working title: **From Varying Coefficients to Unit-Level Response Function Learning: A Narrative Review** > Version: `ULRFL-REVIEW-ZH-2026-07-16-V0.4` > Status: 中文叙述性综述草稿；不是 systematic review 或 meta-analysis > Scope date: 2026-07-16 > **Active ontology (2026-07-16).** 本综述中的 indexed shorthand 仅保留作 > literature comparison。当前 HCGM ontology 统一采用 world-side model-level `U`、 > actual token realization `U=u*` 与共享模型 `Y(x)=f_theta(x,E;U)`。Learner 看到 > predictors `X=x` 后，先把它当 factual evidence `x^F` 做 unit abduction，再把它当 > factual query `x^Q=x` 输入 generator。数据行索引不定义新的 unit。 > **Semantic note.** Abduction 可以返回 point、Gaussian 或 Cauchy candidate > description；它们都是 learner 对同一 actual token 的 epistemic result，不是 physical > identity redraw。Cauchy 有 location/scale 但没有 finite mean/variance，用于表达 globally > open heavy-tailed candidate-unit uncertainty；它不保证任何 outcome 都能由任何 unit 生成。 > Same-token counterfactual 固定 factual `x^F` 得到的 abduction result，只把 query 改成 > `x'`，不能用 `x'` 重新 abduct。严格 kernel 记号只在文献或理论需要时保留，当前方法的 > reader-facing prediction 优先写成 \(f_\theta\) 与 \(p_\theta\)。 ## 摘要 经典监督学习通常把不同样本视为同一条总体 response law 在不同输入处的观测。与此不同， 一批统计学、纵向数据分析、空间统计、因果推断和现代元学习方法都允许不同 unit 拥有不同的 response function。它们没有共享一个统一名称，却可以被理解为同一个更大问题的不同投影。 为避免把世界如何生成 unit outcome 与 learner 如何根据 predictors 预测混为一谈，本文对当前 方法采用下面的两侧记号： \[ \text{world:}\quad U=u^\star,\qquad Y_{u^\star}(x)=f_\theta(x,E;u^\star), \] \[ \text{learner:}\quad p_{\phi,\theta}(y\mid x^F,x^Q) =\int p_\theta(y\mid x^Q,u)q_\phi(u\mid x^F)\,du, \quad p_\theta(\cdot\mid x,u)=\mathcal L_E\{f_\theta(x,E;u)\}. \] 这里 \(u^\star\) 是 fixed actual token embedding，积分中的 \(u\) 是 learner candidate。 Factual prediction 令 \(x^F=x^Q=x\)；same-token alternative 固定 \(q_\phi(u\mid x)\) 或 point \(a_\phi(x)\)，只把 \(x^Q\) 改成 \(x'\)。普通预测返回 outcome distribution，不返回一个 unit 或一条被采样的 function。即使 token--embedding map 被假设为 injective，也不要求不同 embeddings 产生不同 predictive behavior。 本文将这棵方法树分成四条主线：由 observed modifier 索引响应曲线的 varying-coefficient / functional-coefficient models；借助重复测量推断 subject-specific 曲线的 random-effects 与 functional mixed-effects models；在识别假设下估计异质性处理效应 或连续剂量反应的 causal machine learning；以及从 context 或 evidence 生成整条函数的 Hypernetwork、Neural Process 与相关元学习方法。本文的核心结论是：**“每个 unit 有自己的 response function”并不是一个尚未出现的想法；真正仍未被统一解决的是，如何从有限、尤其是 one-shot 的 unit evidence 中，为固定 unit 学习 point 或 distributional abduction result，与 shared response family composition，校准最终 conditional prediction，并区分实际 unit identity、learner uncertainty、稳定 unit type、动态 state、事件噪声、预测关联与干预语义。** 现有方法在低维且具有科学语义的 modifier、平滑异质性、重复测量、充分 support，以及连续 treatment/dose 等结构化数据上最有优势。它们的主要限制来自个体函数不可直接观测、 counterfactual 不可同时观测、高维 modifier 的维数灾难、overlap 与外推不稳定，以及真实 function-level benchmark 的缺失。Varying-coefficient model 作为术语没有成为通用机器学习的 主流，但它的核心思想已经被 mixed effects、trees/forests、heterogeneous treatment effects、 conditional computation、Hypernetworks 和 Neural Processes 吸收。 **关键词：** varying-coefficient model；functional coefficient；random effects；functional mixed effects；individualized treatment effect；dose-response；Hypernetwork；Neural Process； unit-level response function；one-shot function learning --- ## 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](https://doi.org/10.2307/2529876) 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](https://doi.org/10.1111/j.0006-341X.2002.00121.x) 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。\citep{cleveland1992local} 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](https://doi.org/10.1111/j.2517-6161.1993.tb01939.x) 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](https://doi.org/10.1111/j.2517-6161.1993.tb01939.x) 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](https://doi.org/10.1111/j.2517-6161.1993.tb01939.x) 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](https://doi.org/10.1214/aos/1017939139)；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](https://doi.org/10.4310/SII.2008.v1.n1.a15) ### 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](https://doi.org/10.1093/biomet/85.4.809) 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](https://doi.org/10.1093/biomet/89.1.111) #### 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](https://doi.org/10.1080/01621459.1993.10594322) 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](https://zongwucai.github.io/papers/paper28.pdf) #### 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](https://doi.org/10.1111/j.1538-4632.1996.tb00936.x) #### 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](https://doi.org/10.1111/1467-9868.00372) 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](https://www.jmlr.org/papers/v13/xue12a.html) #### 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](https://research.wu.ac.at/en/publications/model-based-recursive-partitioning-20/) 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](https://doi.org/10.1007/s10618-022-00863-y) 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](https://doi.org/10.1007/s11222-026-10903-y) ### 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](https://doi.org/10.1080/01621459.2017.1319839) 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](https://papers.nips.cc/paper_files/paper/2017/hash/6a508a60aa3bf9510ea6acb021c94b48-Abstract.html) 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](https://doi.org/10.1609/aaai.v34i04.6014) 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](https://proceedings.neurips.cc/paper/2020/hash/bea5955b308361a1b07bc55042e25e54-Abstract.html) 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](https://arxiv.org/abs/2103.07861) 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](https://research.google/pubs/hypernetworks-2/) 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](https://proceedings.mlr.press/v80/garnelo18a.html) 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](https://www.jmlr.org/papers/v25/22-1369.html) 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？ | 方法族 | 典型形式 | unit evidence | primary object | 最强可解释含义 | |---|---|---|---|---| | VCM / functional coefficient | \(G_i(x)=\beta_0(Z_i)+x^\top\beta(Z_i)\) | observed modifier \(Z_i\) | 确定的局部 coefficient functions | 相同 \(Z\) 的 units 共享同一 response function | | Random/functional mixed effects | \(G_i=G_0+B_i\) | group identity + repeated outcomes | random coefficient/function posterior | 在层级先验下的 subject-specific curve | | CATE / dose-response | \(\mu(a,x)=E\{Y(a)\mid X=x\}\) | pretreatment covariates | conditional potential-outcome mean/contrast | 在识别假设下的条件平均因果响应 | | Hypernetwork / Neural Process | \(O_i\mapsto p(G_i\mid O_i)\) 或 \(\theta_i=h(O_i)\) | task context、descriptor、history | task/unit-conditioned function | 数据驱动的函数生成；不自动是因果机制 | **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 | 文献与数据 | 数据性质 | 代表性结果 | 可以支持什么 | 不能支持什么 | |---|---|---|---|---| | Hastie–Tibshirani ethanol engine，\(n=88\) | 真实受控实验；主要是 in-sample fit | varying-slope VCM RSS 2.65；三个更简单结构为 5.19、6.33、3.20 | approximate F-tests 支持 \(E\)--\(C\) interaction 与 nonlinear coefficient variation | 没有 held-out test；不能把 RSS 直接包装成现代 predictive performance | | Hastie–Tibshirani myocardial-infarction example | 真实回顾性 observational data | logistic VCM 展示 blood pressure/cholesterol curves 与 treatment 的 flexible interaction | VCM 可扩展到 binary outcome，并把 treatment-specific curves 变成可检查对象 | covariates 在 MI 后测量；原文明确警告不能作 naive causal interpretation | | Cai–Fan–Yao Canadian lynx，前 102 点训练、后 12 点预测 | 真实时间序列 held-out forecasting | 一步预测 AAPE 相比 TAR 再降低约 25%；相对 linear AR(2)，nonlinearity test \(p<0.001\) | 平滑 state-dependent dynamics 可改善短期预测 | 作者指出 absolute error 只在小数第二位改善，实际幅度不应夸大 | | Hoover et al. HIV-exposed children growth | 真实纵向流行病学 | 展示 gender、HIV status、maternal vitamin A effects 随时间变化 | irregular repeated measurements 下可估 time-varying effects | 原论文不是现代 predictive leaderboard | | Huang–Wu–Zhou AIDS，283 名 HIV-positive males、每人 1–14 次测量 | 真实不规则纵向数据 | 展示 baseline、smoking、age、pre-CD4 effects 的时间变化，并发展 bootstrap inference | 稀疏 observation times 下可做曲线估计与检验 | 不提供真实个体 counterfactual curve ground truth | | VCNet：IHDP 与 News | 真实 covariates；continuous treatment 与 outcome 半合成 | testing AMSE：IHDP 0.117 vs DRNet 0.230；News 0.024 vs DRNet 0.114 | VCM-style neural head 对平滑 continuous-treatment benchmark 有效 | News 上 GPS 为 0.022，略优于 VCNet；结果不是现实因果真值验证 | | SCIGAN：TCGA、News、MIMIC | 真实 covariates；response curves 半合成 | \(\sqrt{\mathrm{MISE}}\)：1.89、3.71、2.09；DRNet 为 3.64、4.98、4.45 | 生成式曲线补全在已知 simulator truth 上可优于若干 baseline | counterfactual outcomes 仍由研究者生成；论文明确说真实数据无法直接完整评估 | | HyperNetworks 的 sequence/image experiments | 真实通用 ML benchmark | sequence modeling 接近当时 SOTA，CNN 以较少参数保持有竞争力 | conditional parameter generation 可以扩展到高维任务 | 不是 unit-level causal response 的证据 | 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。** | VCM 中的思想 | 在其他社区中的名字 | |---|---| | coefficient 随 context 变化 | smooth interaction、GAM、conditional parameterization | | group/subject-specific coefficients | random slopes、mixed effects、hierarchical Bayes | | 局部关系随空间变化 | local models、GWR、spatially varying coefficients | | 不同区域使用不同参数 | model-based/linear trees、mixture of experts；普通 RF/GBDT 是更宽松的分区类比 | | treatment effect 随 unit features 变化 | CATE、causal forest、HTE | | 参数由 context 生成 | Hypernetwork、conditional computation | | 从少量 evidence 推断一条函数 | meta-learning、Neural Process | 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`](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](https://doi.org/10.2307/2529876) 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](https://doi.org/10.1111/j.2517-6161.1993.tb01939.x) 4. Chen, R., & Tsay, R. S. (1993). Functional-Coefficient Autoregressive Models. *JASA*, 88(421), 298–308. [DOI](https://doi.org/10.1080/01621459.1993.10594322) 5. Brunsdon, C., Fotheringham, A. S., & Charlton, M. E. (1996). Geographically Weighted Regression. *Geographical Analysis*, 28(4), 281–298. [DOI](https://doi.org/10.1111/j.1538-4632.1996.tb00936.x) 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](https://doi.org/10.1093/biomet/85.4.809) 7. Fan, J., & Zhang, W. (1999). Statistical Estimation in Varying Coefficient Models. *Annals of Statistics*, 27(5), 1491–1518. [DOI](https://doi.org/10.1214/aos/1017939139) 8. Cai, Z., Fan, J., & Yao, Q. (2000). Functional-Coefficient Regression Models for Nonlinear Time Series. *JASA*, 95(451), 941–956. [PDF](https://zongwucai.github.io/papers/paper28.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](https://doi.org/10.1093/biomet/89.1.111) 10. Guo, W. (2002). Functional Mixed Effects Models. *Biometrics*, 58(1), 121–128. [DOI](https://doi.org/10.1111/j.0006-341X.2002.00121.x) 11. Fan, J., Yao, Q., & Cai, Z. (2003). Adaptive Varying-Coefficient Linear Models. *JRSS B*, 65(1), 57–80. [DOI](https://doi.org/10.1111/1467-9868.00372) 12. Fan, J., & Zhang, W. (2008). Statistical Methods with Varying Coefficient Models. *Statistics and Its Interface*, 1(1), 179–195. [DOI](https://doi.org/10.4310/SII.2008.v1.n1.a15) 13. Zeileis, A., Hothorn, T., & Hornik, K. (2008). Model-Based Recursive Partitioning. *JCGS*, 17(2), 492–514. [Record](https://research.wu.ac.at/en/publications/model-based-recursive-partitioning-20/) 14. Xue, L., & Qu, A. (2012). Variable Selection in High-Dimensional Varying-Coefficient Models with Global Optimality. *JMLR*, 13, 1973–1998. [Paper](https://www.jmlr.org/papers/v13/xue12a.html) 15. Ha, D., Dai, A., & Le, Q. V. (2017). HyperNetworks. *ICLR*. [Paper](https://research.google/pubs/hypernetworks-2/) 16. Alaa, A. M., & van der Schaar, M. (2017). Bayesian Inference of Individualized Treatment Effects Using Multi-Task Gaussian Processes. *NeurIPS*. [Paper](https://papers.nips.cc/paper_files/paper/2017/hash/6a508a60aa3bf9510ea6acb021c94b48-Abstract.html) 17. Garnelo, M., et al. (2018). Conditional Neural Processes. *ICML*. [Paper](https://proceedings.mlr.press/v80/garnelo18a.html) 18. Wager, S., & Athey, S. (2018). Estimation and Inference of Heterogeneous Treatment Effects Using Random Forests. *JASA*, 113(523), 1228–1242. [DOI](https://doi.org/10.1080/01621459.2017.1319839) 19. Zhou, Y., & Hooker, G. (2022). Decision Tree Boosted Varying Coefficient Models. *Data Mining and Knowledge Discovery*, 36(6), 2237–2271. [DOI](https://doi.org/10.1007/s10618-022-00863-y) 20. Schwab, P., Linhardt, L., Bauer, S., Buhmann, J. M., & Karlen, W. (2020). Learning Counterfactual Representations for Estimating Individual Dose-Response Curves. *AAAI*. [DOI](https://doi.org/10.1609/aaai.v34i04.6014) 21. Bica, I., Jordon, J., & van der Schaar, M. (2020). Estimating the Effects of Continuous-Valued Interventions Using Generative Adversarial Networks. *NeurIPS*. [Paper](https://proceedings.neurips.cc/paper/2020/hash/bea5955b308361a1b07bc55042e25e54-Abstract.html) 22. Nie, L., Ye, M., Liu, Q., & Nicolae, D. (2021). VCNet and Functional Targeted Regularization for Learning Causal Effects of Continuous Treatments. *ICLR*. [arXiv](https://arxiv.org/abs/2103.07861) 23. Fabbrico, D., Pedone, M., & Stingo, F. C. (2026). An Interpretable Varying Coefficients Approach to Non-Linear Regression. *Statistics and Computing*, 36, 152. [DOI](https://doi.org/10.1007/s11222-026-10903-y) 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](https://www.jmlr.org/papers/v25/22-1369.html)