本研究提出了ValuePilot框架，以解决人工智能在个性化决策中的不足。该框架通过生成数据集和决策模块，学习场景内在价值，从而实现更接近人类的决策。研究结果表明，该方法优于多个对比模型，具有推动个性化决策的潜力。

个性化决策需要了解不同处理方法的结果及其置信区间。研究提出wTCP-DR方法，在隐性混淆下提供反事实结果的置信区间，解决观测与干预分布间的协变量转移问题。理论和实验表明该方法在覆盖率和效率上优于现有方法，适用于推荐系统等场景。