Causal Posterior Estimation：将条件依赖结构硬编码进网络的贝叶斯推理新方法

研究者提出 Causal Posterior Estimation（CPE），一种面向模拟器模型的贝叶斯推理方法，适用于似然函数难以计算但给定参数生成输出容易的场景。CPE 用 flow matching 近似后验分布，并将模型图结构中的条件依赖关系直接硬编码进神经网络架构，而非让网络从数据中学习。实验显示，CPE 的后验推理精度可匹配或超越当前最优基线。