因果惩罚扩散模型提升合成表格数据因果保真度

一项研究提出因果保真度感知训练框架，在扩散模型生成目标中加入因果差异惩罚项，并以因果惩罚版 TabDDPM 实例化，通过 on-policy score-function 估计器优化。理论结果表明，高统计保真度通常不能保证高因果保真度，研究给出了因果正则化提升期望因果保真度的条件。 在多种处理效应模拟和两个基准数据集上的实验显示，该方法在提升因果保真度的同时保持了有竞争力的统计保真度。

AI 根据报道生成 · 57 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。