本研究探讨了如何从观察数据中准确估计异质治疗效果，特别是文本中的混杂因素。实验表明，预训练文本表示显著改善了CATE估计，但文本嵌入的复杂性限制了模型表现，显示了因果推断的潜力与研究空间。