对抗性因果干预证伪

摘要

arXiv:2608.06427v1 Announce Type: new Abstract: Generative models can reproduce an observational distribution while encoding an incorrect causal structure. We study a sequential game in which a struct...

and causal intervention the observational generator interventional adversarial identification model

2026-08-10 1 阅读约1分钟阅读 Mojtaba Eslami

arXiv:2608.06427v1 公告类型：新摘要：生成模型可以在编码不正确的因果结构的同时重现观察分布。我们研究了一个序列游戏，其中结构因果生成器提出观察和干预分布，而对抗性实验主义者选择旨在最大程度地伪造生成器的干预措施。因此，判别器不仅仅是一个真实与合成的分类器：它通过干预进行索引，并测试生成器是否再现相应的干预后法则。我们引入对抗性因果干预伪造（ACIF），制定游戏的预言和可实现版本，并区分三个经常混淆的对象：观察拟合、可接受查询类的干预等价性以及结构因果模型的点识别。对于有限模型和干预类别，我们证明：（i）将对抗目标精确降低为最差干预积分概率度量； (ii) 识别干预等效性，并在单独的干预系列下进行点识别； (iii) 混合策略均衡的存在； (iv) 有限样本一致收敛和基于余量的模型选择保证； (v) 在平衡分离条件下分歧驱动序贯设计的对数消除保证。我们还给出了一个完整的线性高斯例子，其中两个观察上无法区分的因果方向被一个精心选择的干预措施分开。该框架阐明了对抗性因果鉴别器可以和不能证明什么，并在因果生成模型、主动因果发现和实验设计之间提供了原则性的桥梁。

订阅66必读