Recursive-Head Geometry and Order-Free Efficient Inference in Finite-State Nested Markov Models
有限状态嵌套 Markov 模型的递归头几何与无序有效推断AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要针对因果图中的节点、边和路径特定干预目标推导规范梯度、有效估计及多重稳健结果。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
有限状态嵌套 Markov 模型的递归头几何与无序有效推断
- 研究问题
- 如何利用有限状态嵌套 Markov 模型的等式限制，在任意无环有向混合图上获得不依赖区域排序的有效干预效应推断？
- 方法与思路
- 作者微分递归头参数化以刻画切空间，用 Gram 投影推导规范梯度，并构造一步估计及模型有效的目标最大似然估计。
- 材料陈述的贡献
- 摘要称严格正值模型中的无序效率结果适用于任意此类图；较窄子类的序贯构造另具有多重稳健性，两者适用范围不同。
- 阅读关注点
- 核对干预目标的限定类型、边界代入与切空间证明，以及局部效率条件；特别区分一般图结果和较窄子类的稳健性结果。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未经核验；摘要未列明局部条件，不能将较窄构造的多重稳健性推广到全部模型。
原文摘要
Exploiting the equality restrictions that nested Markov models encode requires their tangent-space geometry. For strictly positive finite-state models on arbitrary acyclic directed mixed graphs (ADMGs), we differentiate the recursive-head chart and prove that the range of its score map is the full tangent space. Intrinsic-set coordinate blocks form an algebraic direct sum, blocks of distinct districts are orthogonal, and the resulting Gram projection needs neither mb-shieldedness nor a district order. Exact counterexamples show that observational centering and kernel normalization alone do not certify tangency. For the node, complete-source edge, and compatible path-specific intervention targets considered here, boundary substitution yields a normalized configured active law and an order-free canonical-gradient formula, extended to finite mixtures by independent source redraws. A coherent one-step estimator with an exact remainder identity and a model-valid chart-flow targeted maximum likelihood estimator are efficient under stated local conditions. On a narrower source-isolated fixed-node subclass, a sequential estimator has an exact transition-factorized drift and up to $2^m$ nuisance-correctness regimes over $m$ active-district transitions; its all-correct influence function projects onto the canonical gradient, and an exact rational law exhibits a strict variance gap. These results separate order-free efficiency on arbitrary finite-state ADMGs from multiple robustness of a narrower construction.