Causal Analysis for Underlying Structures And Learning

CAUSAL Lab

研究申请问卷（精简版）

上海财经大学统计与数据科学学院 2026年8月版

本问卷用于判断研究兴趣、因果问题意识与执行计划是否匹配。请独立作答，优先给出清楚、可检验的内容。

建议长度：正文不超过3页；约45--60分钟。可编辑本LaTeX文件或打印填写；附件另附。

姓名学校/单位年级/身份专业邮箱/微信可开始时间每周投入

请勾选一个主方向；可再勾选一个次方向。

主次

A. 因果理论评估基于设计的推断、Lean形式化、开放问题与基于对偶理论的算法评估。

主次

B. 结构规律发现实验档案与因果图谱、可组合性、部分识别边界、桥接实验和可信AI决策。

主次

C. 智能估计与决策LLM奖励建模、因果表格数据基础模型，以及随机算法中的因果正则。

主次

D. 面向产业的交叉应用RCT与观察数据融合、pre与opt、结构化数据及网络中的在线实验与推断。

为什么选择这个主方向？（不超过150字）0/150

围绕你的主方向，提出一个小而明确的问题。我们更看重问题是否可定义、可验证，而不是题目是否宏大。

3.1 一句话问题（不超过50字）0/50

研究对象/数据处理或行动（treatment/action）结果或奖励（outcome/reward）目标量或决策目标关键假设/信息条件

3.3 最小研究方案（不超过300字）0/3003.4 最可能失败在哪里？失败后如何缩小问题？（不超过120字）0/120

我们希望看到：清楚的对象、目标、假设和证伪方式。允许尚无完整答案，但不要只写“使用大模型/深度学习解决因果问题”。

4.1 请选择最能说明你的两项能力，并各给一个证据。

第1--2周第3--5周第6--8周最终交付物

可以使用ChatGPT、Claude、Gemini、Kimi、DeepSeek等工具进行语言润色、检索辅助、代码排错或思路检查；但申请者必须理解并核验最终内容，对定义、推导、引用、代码和结论负责。无需提交完整prompt log，只需做简短披露。

AI使用披露（勾选并简述）未使用AI工具。使用过，主要用于：

我确认本问卷中的经历与成果陈述真实，能够解释并复现所提交的研究内容。

签名日期

本问卷PDF（必需）；文件名：Name_Institution_CAUSALLab.pdf

个人简历（必需）

代表作、代码链接或成绩单（可选）

单个文件不超过8MB，全部附件合计不超过20MB。

提交后将生成唯一回执；答案与附件不可由申请者再次修改。