SaCRL：无需先验结构的因果表示学习框架

1. 12:00
   arXiv：cs.LG

   SaCRL：无需先验结构的因果表示学习框架

   SaCRL 是一个无需先验因果结构知识、可联合识别因果结构与学习不变表示的框架，通过基于 HSIC 的违反度量对候选不变性做软优化，并自适应聚焦可达结构。它在合成与半合成贝叶斯网络基准上恢复真实结构，在 Colored MNIST 上超越固定不变性基线，并在 PACS、VLCS、OfficeHome 三个 DomainBed 基准上取得 SOTA 准确率。代码已开源。

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。