TL;DR本篇论文关注于在未测量变量存在的情况下行动效果的概率评估。我们展示了单例变量 X 和一组变量 Y 之间的因果效应的辨识可以系统地完成，其时间复杂度多项式。当可辨识因果效应时，可以获得一个封闭形式的表达式，用于描述行动达到指定目标或一组目标的概率。
Abstract
This paper concerns the probabilistic evaluation of the effects of actions in
the presence of unmeasured variables. We show that the identification of causal
effect between a singleton variable X and a set of var
本文主要研究的问题是通过 $do$-calculus 方法推断任意条件因果效应的可识别性问题，特别将正性假设显式引入，提出了相应的 sound and complete 算法，为 Lee et al. [2020] 和 Correa et al. [2021] 的研究工作进行了扩展，并不局限于观测分布 $P (V)$。