#因果发现

研究因果发现的朋友可以看看：SPADE 把组合搜索做到了 1600 变量级别，还顺手把四类主流方法的优劣捋了一遍，省你自己跑实验。

Bloomberg 开源了 LUCID，专治时间序列里隐变量混杂导致的假因果边，F1 比最强基线高出 46%，做因果推断的可以试试。

做因果发现的朋友可以看看，这篇把PC和FCI背后的CI检验方法按六个家族梳理清楚了，还讲了每种方法什么时候会失效，省得自己踩坑。

这篇论文提出了GENESIS，让因果发现的每条边都能说清是统计证据还是领域知识，还保证100%可追溯，比纯统计方法更准。

Bloomberg 开源了 Causal-TS，专门处理高维、非平稳时间序列的因果发现，比通用库多了专用算法和 GPU 加速，还有断点检测功能，做时序因果分析可以试试。

这篇论文换了个思路：别死磕条件独立性检验，用干预信息直接做因果发现，还放宽了忠实性假设，挺颠覆的。

这篇论文给了一个清晰的边界：AI代理该帮什么、不该帮什么。causal-learn+平台演示了如何让LLM辅助分析数据，但不越界做因果推断。

想快速做条件独立性检验？BLITZ 能在一秒内跑完，校准还比核方法好，因果发现定向更靠谱。