arXiv · cs.AI· Seyed Morteza Emadi·· 2 天前精选
Pearl因果层级中的信息论分离：观测、干预与反事实查询的描述长度差距
The Causal Description Gap: Information-Theoretic Separations Across Pearl's Hierarchy
arXiv:2605.02177v2阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Seyed Morteza Emadi
研究任务与主要进展
基于论文摘要，作者定量研究在已知较低层级因果答案后，指定干预和反事实答案还需多少额外比特：通过查询类描述长度形式化这一差距，并为二元变量无环结构因果模型构造出观测分布描述长度恒定、单变量干预答案仍需Θ(n²)额外比特的例子。
阶段、条件与复现 · 深读核对
- 任务输出与输入访问模型是什么？
- 在什么假设、规模与资源条件下成立？
- 与哪种经典基线比较，是否计入编码与读出？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
本站判断
该工作以结构因果模型的查询类描述长度，定量刻画Pearl因果层级中观测、干预与反事实答案之间的信息需求差距。摘要报告了具有稠密依赖和树形依赖结构的分离及相应上界，结论主要适用于最坏情形、指定独立噪声与有限门库条件；影响取决于描述误差、库大小和父节点数限制是否成立。
来源：arXiv · cs.AI · arxiv.org