Distinguishing Cause from Effect with Causal Velocity Models
利用因果速度模型区分原因与结果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：摘要研究二变量结构因果模型、因果方向发现及不可识别诊断。
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…
利用因果速度模型区分原因与结果
- 研究问题
- 在二变量观察数据中，如何超越加性噪声等受限模型判断因果方向，并利用分布信息发现模型不可识别或设定错误？
- 方法与思路
- 作者把原因变量视作动力系统的时间，以因果速度参数化结构因果模型，通过测度输运连接速度与分布得分函数并构造回归目标。
- 材料陈述的贡献
- 摘要称，该方法扩展二变量因果发现的模型范围且无需规定噪声分布，得分估计良好时还可辅助检测不可识别与模型误设。
- 阅读关注点
- 应核对速度与得分对应的唯一性条件、方向识别依据及初值问题要求，并检查得分估计误差和模型限制如何影响判断。
- 阅读边界
- 这是 arXiv 预印本，同行评审或接收未核实；摘要未列出完整识别条件，无需噪声分布假设不能理解为任意观察数据都能识别方向。
原文摘要
Bivariate structural causal models (SCM) are often used to infer causal direction by examining their goodness-of-fit under restricted model classes. In this paper, we describe a parametrization of bivariate SCMs in terms of a causal velocity by viewing the cause variable as time in a dynamical system. The velocity implicitly defines counterfactual curves via the solution of initial value problems where the observation specifies the initial condition. Using tools from measure transport, we obtain a unique correspondence between SCMs and the score function of the generated distribution via its causal velocity. Based on this, we derive an objective function that directly regresses the velocity against the score function, the latter of which can be estimated non-parametrically from observational data. We use this to develop a method for bivariate causal discovery that extends beyond known model classes such as additive or location scale noise, and that requires no assumptions on the noise distributions. When the score is estimated well, the objective is also useful for detecting model non-identifiability and misspecification. We present positive results in simulation and benchmark experiments where many existing methods fail, and perform ablation studies to examine the method's sensitivity to accurate score estimation.