该研究提出了一种基于反事实推理的最低成本因果决策框架（MiCCD），旨在解决在异常条件下决策时忽视行为成本和因果机制的问题。实验结果表明，MiCCD在多个指标上优于传统方法，验证了其有效性和适用性。

本研究提出DeepSTA模型，旨在解决物流行业在异常条件下（如疫情）预测配送及时率的问题。该模型通过异常空间-时间学习模块和记忆网络，有效捕捉快递员的时空相关性，实验结果表明其性能显著优于传统方法。