CausalMan：大规模因果性模拟器
机器学习
2025-02-19 v1 机器学习
摘要
对因果性的全面理解对于导航和操作今天复杂的真实世界系统至关重要。缺乏具有已知数据生成过程的真实因果模型 complicates 公平基准测试。在本文中，我们提出了 CausalMan 模拟器，模仿真实世界生产线。该模拟器具有多样化的线性和非线性机制以及难以预测的行为，如离散模式变化。我们演示了许多最新方法的不足，并分析了它们在运行时和内存复杂度方面的显著性能差异。作为贡献，我们将发布 CausalMan 大规模模拟器。我们提出了两个派生数据集，并对两者进行了广泛评估。
引用
@article{arxiv.2502.12707,
title = {CausalMan: A physics-based simulator for large-scale causality},
author = {Nicholas Tagliapietra and Juergen Luettin and Lavdim Halilaj and Moritz Willig and Tim Pychynski and Kristian Kersting},
journal= {arXiv preprint arXiv:2502.12707},
year = {2025}
}