LRQS：基于变换低秩分位曲面的因果发现方法
Causal Discovery via Transformed Low-Rank Quantile Surfaces
AI 导读
研究者提出低秩分位曲面（LRQS）双变量因果模型，假设因果方向上条件分位曲面经未知单调变换后可低秩分解，并证明其一般可辨识性。该模型涵盖位置-尺度噪声与后非线性异方差噪声模型，配套交替进行秩约束逼近与保序估计的非参数因果评分方法。实验显示其在分布形态变化超出位置-尺度假设及强非线性失真场景下尤为有效，论文已被 NeurIPS 2026 接收。
来源：arXiv cs.AI · arxiv.org