CausalWAM识别动作因果结构

UIUC与UCSD研究团队提出CausalWAM，通过在世界动作模型的动作头中加入稀疏路由路径，分离动作相关的潜变量，在保持世界建模目标不变的前提下实现可识别的动作因果结构。 作者证明，在稀疏性约束下，用于生成动作的隐变量是动作相关隐变量的可逆函数，真实结构在隐变量置换意义下可识别。该方法不要求动作相关隐变量与其余变量统计独立，也无需时间独立性假设。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。