移位-比例干预下的循环反事实推断
人工智能
2026-01-21 v2 机器学习
统计理论
机器学习
统计理论
摘要
大多数反事实推断框架传统上假设结构因果模型（SCM）为无环的，有向无环图（DAG）。然而，许多真实世界系统（如生物系统）包含反馈回路或循环依赖，违反无环性。在本文中，我们在移位-比例干预下研究循环 SCM 的反事实推断，即对变量机制进行软性、类似政策的变更，通过比例缩放和/或偏移实现。
引用
@article{arxiv.2510.25005,
title = {Cyclic Counterfactuals under Shift-Scale Interventions},
author = {Saptarshi Saha and Dhruv Vansraj Rathore and Utpal Garain},
journal= {arXiv preprint arXiv:2510.25005},
year = {2026}
}
备注
Accepted at NeurIPS 2025