Seq2Cause统一因果发现框架发布

1. 12:00
   arXiv 机器学习

   Seq2Cause：用单一自回归骨干解决事件序列中的四项因果发现任务

   Seq2Cause 框架利用单个无需重训练的预训练自回归模型作为摊销条件独立性测试引擎，解决了事件序列中的四项因果发现任务。该研究证明模型的额外交叉熵可直接约束因果识别误差，令下一 token 预测的提升同步增强因果保证。在包含 29K 事件类型与 474 种故障结果的车辆诊断日志等场景中，其首次实现单冻结骨干的大规模因果发现。

当前热度 4·可比范围峰值 5（9月30日 12:00）·近 24 小时可比范围变化 –

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。