新框架提升离散结果反事实推断精度

Juliette Sinnott 等作者提出一个统一概率框架，用于高斯过程结构因果模型（GP-SCM）中离散结果的反事实推断。该框架将 GP 预测器与显式外生噪声机制配对，针对二元、名义和有序离散结果分别推导精确的条件噪声反演方法，并证明其能复现拟合模型的观测与干预分布。 在合成结构因果模型上，对有序数据误用分类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。这一结果说明，离散结果类型与噪声反演方法的匹配直接影响反事实推断的准确性。

AI 根据报道生成 · 7 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。