因果发现数据之景： grounding causal discovery in real-world applications

因果发现旨在从数据中自动发现因果关系，具有巨大的潜在跨学科应用价值。然而，其实际应用仍有限。当前方法常依赖不切实际的假设，仅在简单的人造玩具数据集上进行评估，往往缺乏恰当的评估指标。本文通过系统性审查近期因果发现文献来论证上述观点。我们呈现了生物学、神经科学和地球科学等领域的应用案例——这些领域因果发现有望解决关键挑战。我们概述了来自这些领域的可用模拟和真实数据集，并讨论了促成新方法发展的常见假设违规情况。我们的目标是鼓励社区采用更好的评估实践，利用真实数据集和更恰当的指标。