- 论文公开站arXiv
带反馈的因果发现的统计代价
The Statistical Cost of Causal Discovery with Feedback
什么决定了学习循环因果结构不可避免的样本代价？针对循环线性非高斯模型，我们研究从观测数据中精确恢复凝聚结构：识别强连通分量（SCC）划分及分量间所有边。
- 论文公开站arXiv
LimiX-2：面向通用结构化数据智能的上下文机制网络
LimiX-2: A Contextual Mechanism Network Towards General Structured-Data Intelligence
摘要显示，LimiX-2 是 LimiX 家族新模型，依据既有缩放律进行模型与数据扩展，采用上下文机制网络（CMN）范式并以 Context-Conditional Masked Modeling 预训练。CMN 将上下文学习的组织原则从以目标为中心的预测转向机制导向的联合建模，学习 p(x, y | D_context) 而非传统表格 PFN 的 p(y | x, D_context)。预训练数据由结构因果模型生成。在 TabAren…
意义：为表格/结构化数据提供新的基础模型范式，兼顾预测性能与因果可解释性，对表格 AI 与因果发现方向有参考价值。
- 论文公开站arXiv
基于动态结构因果模型的睡眠呼吸障碍因果结构学习
Dynamic Structural Causal Modeling for Sleep
摘要显示，研究利用PCMCI+算法对105例家庭睡眠呼吸暂停测试（HSAT）记录进行动态因果图学习，通过窗口化分数变量、边缘黑名单和自助聚合，揭示了睡眠呼吸障碍因果结构在性别和年龄亚组间的系统性差异。结果发现时间自依赖和呼吸暂停-去饱和关系在所有亚组中持续存在，而其他关系变化较大。
意义：为睡眠呼吸障碍的个性化干预提供因果依据，展示因果发现在医疗时序数据中的应用，对AI辅助诊断和精准医疗有参考价值。