CausalWAM 用稀疏路由分离动作因果变量，摆脱时间独立性假设

UIUC 与 UCSD 团队提出 CausalWAM，在世界动作模型（WAM）的动作头中加入稀疏路由路径，以隔离动作相关的潜变量并确保可识别的因果结构。作者证明，在稀疏性约束下，真实结构在隐变量置换意义下可识别，无需时间独立性假设，也不要求动作相关隐变量与其余变量统计独立。