信仰性失效：神经因果发现的性能极限
机器学习
2025-02-25 v1 机器学习
摘要
神经因果发现方法近期在可扩展性和计算效率方面取得了显著进展。然而，我们的系统评估揭示了其在揭示因果结构准确性方面仍存巨大改进空间。我们识别出一个根本性限制：神经网络在有限样本 regime 中无法可靠地区分存在与不存在的因果关系。我们的实验表明，对于当代因果发现方法中使用的神经网络，即使在小规模图和相对较大的样本量下，也缺乏恢复真实图谱所需的精度。此外，我们识别出信仰性质作为关键瓶颈：(i) 在任何合理的数据集大小范围内都很可能被违反，(ii) 其违反直接削弱了神经发现方法的性能。基于这些发现，我们得出结论，当前范式内的进展受到根本性约束，此领域需要范式转变。
引用
@article{arxiv.2502.16056,
title = {Since Faithfulness Fails: The Performance Limits of Neural Causal Discovery},
author = {Mateusz Olko and Mateusz Gajewski and Joanna Wojciechowska and Mikołaj Morzy and Piotr Sankowski and Piotr Miłoś},
journal= {arXiv preprint arXiv:2502.16056},
year = {2025}
}
备注
19 pages, 12 figures