본 논문은 인과 추론에서 치료군과 대조군 간의 불균형 데이터 문제를 해결하기 위해, 기존의 역확률 가중치(IPW) 방법의 한계를 극복하는 새로운 접근법을 제시합니다. IPW는 경향성 점수 추정의 부정확성과 극단적인 가중치로 인한 불안정성 문제를 가지는데, 본 논문은 이러한 문제를 일반화 오차 분해를 통해 경향성 모호성과 통계적 불안정성으로 분리하고, 적대적 손실 함수를 통해 해결합니다. 이는 경향성 불확실성을 다루는 분포적으로 강건한 최적화와 가중 라데마허 복잡도 기반의 가중치 규제를 결합한 방법입니다. 합성 및 실제 데이터셋 실험을 통해 기존 방법보다 향상된 성능을 보임을 입증합니다.
