研究者提出LRQS双变量因果发现模型，论文被NeurIPS 2026接收

研究者Ryo Kamimura与Thong Pham提出低秩分位曲面（LRQS）双变量因果发现模型，并证明其一般可辨识性，论文已被NeurIPS 2026接收。 该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，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。作者称，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。

AI 根据报道生成 · 56 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。