本文提出了一种新颖的联合方法，通过多中心数据实现有效的因果推断。该方法结合隐私保护的鲁棒估计和迁移学习，优化协变量平衡，展示了在有限样本情况下的效率和鲁棒性优势。通过新的加权方案和算法，能够更准确地估计因果效应，并应用于比较治疗方法的效果。

该文介绍了一种新的因果推断方法CInA，它基于多个无标签数据集进行自监督学习，并通过理论上的最优协变量平衡与自注意机制实现对未知任务的零样本因果推断。实验结果表明，CInA能够在分布外数据集和各种真实世界数据集上有效推广，并且与传统的因果推断方法相匹配甚至超越。