因果推理的可分离路径：建构性脚手架如何促进假设空间的重构

通过实验和干预进行因果发现是稳健问题解决的基本能力。这需要不仅在固定框架内更新信念，更需要重新构建假设空间本身——这是当前AI 代理 lacking 的能力，当证据需要他们尚未构建的表示时便显现。我们将blicket 检测器范式从发展科学扩展到测试AI 代理此类能力的能力。我们的组合架构包含两个离散组件：context 图，对探索进行类型化状态机结构化；dynamic 行为，监控是否存在证据表明当前假设空间不足并在运行时扩充。通过1085个实验试验，这些组件作出正交贡献：context 图驱动 hypotheses 空间内推理质量，解释94%的准确度提升；而dynamic 行为驱动推理可行性，通过检测制度变化防止对过时假设的过早承诺。