GP-SCM离散结果反事实推断新框架

研究者提出一个统一概率框架，将高斯过程预测器与显式外生噪声机制配对，为高斯过程结构因果模型（GP-SCM）中的离散结果反事实推断推导出精确的条件噪声溯因方法：二值变量用统一阈值，名义类别用 Gumbel-max 竞争，有序变量用潜高斯切点模型。 在合成结构因果模型上的评估显示，对有序数据误用类别耦合会使反事实误差膨胀约三倍，且该误差不随数据量增加而下降；训练集扩大时结构方程收敛到真值，但反事实误差趋于固定下限。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。