著名的论文Dorie,2017表明 BART 在因果推理方面表现出色。在我的复制中，BART 中的 MSE 可能比其他机器学习方法中的 MSE 低 40%。

但是所有机器学习方法都只是倒退$Y(0) \sim X$在对照组上，得到一个预测器$f_0(X)$，并用它来预测$Y(0)$在治疗组，同样回归$Y(1) \sim X$在治疗组，得到一个预测器$f_1(X)$，并用它来预测$Y(1)$在对照组，最后使用$f_1(x) - y(0)$（在对照组）或 $y(1) - f_0(x)$（在治疗组上）以估计因果关系。似乎因果估计的准确性取决于回归的准确性$Y \sim X$，因此 BART 在因果推理中的出色表现意味着 BART 在一般回归问题中也表现出色。

但 BART 在一般回归问题上并不是很有名，例如 Breiman 的随机森林论文的引用量是 Chipman 的 BART 论文的引用量的 50 倍。那么，BART 是在机器学习中被忽略了，还是 BART 在因果推理中特别准确？如果 BART 特别准确，为什么？