本文旨在反驳Pearl和Dechter（1996）提出的基于d-分离准则的有向无环因果网络的条件独立性也适用于存在反馈循环的离散变量网络（前提是系统的变量由随机干扰确定），我通过示例说明通常情况下这并不成立，需要更强的条件，如存在可以保证唯一解的因果动态。

Jun, 2011

该研究讨论了在有向无环图中查找最小分隔集的组合问题和其扩展，提出了一种基于两步过程的算法来解决该问题。

Feb, 2013

本文在不独立于同分布的数据实例上扩展了d分离理论，引入关系分离理论以从 relational models 推导条件独立性并提出了抽象的ground graph表达方式，从而实现了一种可靠、完整、高效的计算d-separation查询的方法。

Feb, 2013

本文提出了一种用于验证数据一致性的有效算法，该算法可以从独立性信息中提取因果关系，利用条件独立语句测试是否存在符合所有观测到的依赖性和独立性的因果模型，并找出存在的因果关系。

Mar, 2013

本研究研究了有向无环图在表示条件独立关系方面的作用，提出 DAG 可以用来推断条件独立关系并可以比其他准则发现更多合法的独立关系。此外，研究还表明 DAG 所显示的依赖关系是相一致的。

Mar, 2013

本研究重新审视了抽象地面图的定义，确保其能正确地抽象所有地面图并表明其嵌套不完整，从而提出了更弱的完备性概念，即 RC 模型和其 AGG 之间的邻接完备性和方向完备性，以更好地从数据中学习 RC 模型。

Aug, 2015

研究通过混合因果模型来获得分布，并探讨了如何从基于此类分布的样本中进行因果结构学习及如何使用这些信息对样本进行聚类。

Jan, 2020

本文使用范畴论方法对因果模型进行了分类处理，从“纯因果”的角度定义了因果独立/分离、因果条件等重要概念，并产生了一个核心部分的语法版本的syntactic do-calculus在所有因果模型中继承。

Apr, 2022

通过将概率逻辑程序结构抽象化为程序结构，并给出一个正确的元解释器来决定给定外部数据库的程序结构是否意味着某个特定的条件独立性陈述，本研究将Pearl和Verma的有向分离理论推广到非ground情况，进而从d-separation中计算条件独立性，实验评估结果显示，比起在ProbLog 2中使用精确推理来检查独立性定义，我们的元解释器的性能明显更快。

Aug, 2023

本研究针对大型语言模型（LLMs）在因果推理中的应用不足的问题，提出了一个全面的基准测试CausalGraph2LLM，以评估其理解因果图的能力。研究发现，尽管LLMs在此领域表现出一定潜力，但对编码的敏感性显著，可靠模型如GPT-4和Gemini-1.5的表现差异可达60%。

Oct, 2024