CFGNP：无需先估因果图的图神经网络反事实预测

Hendrik Stumpf、Francesco Quinzan 等在 arXiv 论文（arXiv:2610.13724）中提出 Counterfactual Graph Neural Process（CFGNP），一种端到端方法，直接从观测数据回答反事实查询，无需先估计因果图；其做法是用图神经网络并把跨世界消息传递限制在对应的事实—反事实变量之间。目前结果来自作者报告，尚无独立验证。 作者称在合成与图像类基准上优于现有方法，其中 German Loan 基准的 MSE 从 4.51×10^-2 降至 0.19×10^-2；在合成因果图上，仅用 10 节点图训练的模型在最多 30 节点的图上保持较强预测性能，无需重训练。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。