Hans Jarett Ong

MetaCaDI框架使用元学习进行未知干预下的因果发现

研究人员推出MetaCaDI，一个新颖的贝叶斯框架，用于从多个环境中进行因果发现，特别是在干预未知的情况下。该框架将未知干预的识别视为一个元学习问题，学习一个共享的因果结构，该结构能够以有限的数据快速适应新任务。MetaCaDI在现有方法上表现出显著的改进，能够从少至三个样本中有效识别干预目标，并稳健地恢复潜在的因果图，使其在数据稀缺的情况下非常有效。