因果效应与表示
这一组主要压 P01：它们防止我们把已有 causal inference、counterfactual graph、
CRL、measurement 和 continuous-treatment uncertainty 写弱。
B1NeurIPS 2025P01 / RQ23
Beyond the Average: Distributional Causal Inference under Imperfect Compliance
一句话：它提醒我们 treatment effect 不是只有 average；在 imperfect compliance 下，分布式效应和 compliance-aware estimand 才是核心。
底层问题
在 imperfect compliance 的随机实验里，被分配 treatment 不等于实际接受 treatment；论文问的是 compliers 的整个 outcome distribution 如何变化，而不只是平均效应。
数据 / 实验设定
观测行包含 assignment Z、received treatment D、outcome Y、stratum S、covariates X；隐藏对象是 Y(1)/Y(0)、D(1)/D(0) 和 compliance type。核心 estimand 是 LDTE(y)：assignment-induced outcome-distribution shift 除以 assignment-induced treatment-receipt shift，并做 stratum weighting。
为什么重要
它阻止 P01 说“传统 causal inference 只做 average effect”；更稳的写法是从 estimand 和 evidence role 开始。
Portfolio 用法
P01/RQ23 可以用它建立 heterogeneity-as-primitive 的入口：先问目标效应是什么，再看数据能支持什么。
Folded work
LDTE estimator、Oregon-style example、DiscoSCM heterogeneity branch 先 folded。
B2ICML 2025P01 / P17
Counterfactual Graphical Models: Constraints and Inference
一句话：它不是“又画一个因果图”，而是让 causal diagram 系统支持 counterfactual independences 和 counterfactual quantity transformation。
底层问题
已有 causal graph 不只服务 intervention；这篇论文问 graph 能不能系统支持 counterfactual independences 的读取和 counterfactual quantities 的转换。
数据 / 实验设定
它主要是 formal object：causal diagram、counterfactual variables、multiple possible worlds、Ancestral Multi-world Network、d-separation queries、ctf-calculus rules 和 estimand transformation。数据只有在转换后的 quantity 要被估计时才进入。
为什么重要
它是强 baseline：不能说传统 SCM / graph 只会 intervention，counterfactual 不是 DiscoSCM 的天然空白地带。
Portfolio 用法
P01/P17 只有在 residual unit/noise/regime/evidence/decision object 改变 query 时，才有理由说 DiscoSCM 进入。
Folded work
AMW construction、ctf-calculus derivation、formal DiscoSCM crosswalk folded。
B3ICML 2025P01 / P20
Sanity Checking Causal Representation Learning on a Simple Real-World System
一句话：它问 CRL 方法在简单真实系统上是否真的学到 causal variables，而不是只在 benchmark 外观上好看。
底层问题
CRL 方法学到的 representation 可能只是预测或重构好看；论文问它们在一个已知因果因素的简单真实系统里，是否真的恢复了 causal variables。
数据 / 实验设定
实验是 controlled optical real-world system：真实观测由已知实验 inputs / causal factors 生成；代表性 CRL 方法输出 learned representations；synthetic ablations 检查 mixing-function assumptions；评分看 representation 是否恢复 ground-truth factors，结果偏负面。
为什么重要
它阻止我们把 representation quality、transfer 或 clustering 效果直接当成 causal validity。
Portfolio 用法
P01 用作 CRL guardrail；P20 用来问“preserved 的到底是 representation、variable、relation 还是 mechanism”。
Folded work
CRL reproduction、failure taxonomy、DiscoSCM representation benchmark folded。
B5ICML 2025P01 / P17 / P21
Internal Causal Mechanisms Robustly Predict Language Model Out-of-Distribution Behaviors
一句话：它研究模型内部 causal mechanisms 是否能预测 OOD behaviors，但这不是外部世界机制本身。
底层问题
它问 LM 内部是否有真正 causally relevant 的 feature / mechanism，能比普通解释特征更稳地预测 out-of-distribution 行为。
数据 / 实验设定
数据是一组 model-behavior records：prompt / input、model output、correctness label、ID/OOD split、候选 internal causal feature，以及 counterfactual simulation 或 value probing signal；主要证据是 correctness-prediction metric，如 AUC-ROC。
为什么重要
它让 P01 区分 internal model object 与 external causal mechanism，也让 P17 不把 internal mechanism 误当 runtime regime。
Portfolio 用法
P21 agent failure diagnosis 可以借它讲 internal causal evidence；P17 仍要聚焦 source/tool/projection/evidence regime。
Folded work
internal feature probe、OOD score reproduction、A5/B5 联合机制比较 folded。
L01NeurIPS 2025P01 / P20
The third pillar of causal analysis? A measurement perspective on causal representations
一句话：它把 learned representation 先当作 latent causal variable 的 proxy measurement，而不是默认当成 causal variable 本身。
底层问题
learned representation 不能直接被叫作 causal variable；它更像对 latent causal variable 的测量。问题是这个测量在什么 downstream causal task 上有效。
数据 / 实验设定
formal relation 是 high-dimensional observables X、latent causal variables Z、learned representation Z_hat 和 measurement model M=<Z, Z_hat, {h_j}>；T-MEX / measurement exclusivity score 检查 Z_hat 是否可替代 Z 支撑目标 estimand。经验场景包括 simulations、treatment-effect estimation、covariate adjustment 和 ecological video。
为什么重要
它给 CRL 一个更清楚的中间层：representation 是证据通道，需要说明它测量了什么、对哪个 causal task 有效。
Portfolio 用法
P01 用作 background clarity；P20 用来要求 mechanism preservation 先说明测量对象和决策对象。
Folded work
T-MEX reproduction、ecological-video data work、DiscoSCM measurement benchmark folded。
L02NeurIPS 2025P01 / RQ23
Conformal Prediction for Causal Effects of Continuous Treatments
一句话：它处理 continuous-dose treatment effect 的 uncertainty / coverage，而不是只给一个点估计。
底层问题
连续剂量 treatment 不能只给点估计；安全决策需要知道在某个 dose 或 treatment policy 下，potential outcome 的覆盖区间是否可靠。
数据 / 实验设定
观测行是 (X, A, Y)：pre-treatment covariates、continuous dose 和 outcome；目标是 Y(a*) 或 Y(A*(x))；还要估 generalized propensity score、处理 intervention-induced propensity shift，用 split conformal calibration / nonconformity scores 给 potential-outcome 或 effect interval。实验包括 synthetic、semi-synthetic TCGA 和 MIMIC-III 场景。
为什么重要
它阻止 P01/RQ23 用 generic error bar 代替 causal-effect uncertainty，也提醒连续剂量不是二元 treatment 的小改版。
Portfolio 用法
P01 可用它建立 continuous-treatment uncertainty 小节；RQ23 可接 heterogeneity / uncertainty 方向。
Folded work
conformal algorithm reproduction、propensity estimator、synthetic/TCGA/MIMIC experiments folded。
L05arXiv v3 · 2026 updateP01 / Primer / HCGM boundary
Causal Machine Learning: A Survey and Open Problems
一句话：它不是 AIPW、CATE 或 RATE 教程，而是用 SCM、intervention 和 counterfactual 把 causality-for-ML 分成 supervised learning、generative modeling、explanations、fairness 与 reinforcement learning 五张地图。
底层问题
“Causal ML”常把稳健预测、可控生成、解释、公平、序贯决策、effect estimation 和 discovery 混在一起；这篇综述要说明 causal object 究竟怎样进入不同 ML failure，以及结论分别依赖什么结构假设。
数据 / 实验设定
这不是新实验论文。当前官方 v3 是 261 页、516 条参考文献：Chapter 2 给最小因果背景，Chapters 3--7 组织五类 CausalML，Chapter 8 看 vision/NLP/graph，Chapter 9 看 benchmarks，Chapter 10 做 Good/Bad/Ugly 批判；effect estimation 只在 Section 11.2 概览。
为什么重要
它是术语和 scope 的守门地图：能阻止把 invariant representation、counterfactual image 或 OOD score 直接写成 identified causal effect，也明确暴露 ground truth、non-causal baseline 与不可检验假设问题。
Portfolio 用法
P01 / Primer 用它建立章节路由；HCGM/USL 用它区分 causality-for-ML 与 ML-for-causal-inference。刚才的 top-20% treatment gain、AIPW、TOC/RATE 仍需单独专业来源，不能由这篇 umbrella survey 代替。
Folded work
v1/v2/v3 差分审计、2023--2026 systematic extension、全软件生态刷新、causal/non-causal matched benchmark，以及 RATE/TOC companion guide 保持为后续独立工作；本页不声称复现。
专题 · HCGM 相关
这是面向当前研究关系的专题集合，而不是与问题族并列的学科分类：H1 检验哪些变量驱动异质性，
H2 处理 RCT effect 向 target population 的 transport，H3 是 observational CATE 表示学习的经典对手，
H4 再用独立 RCT 审核 observational CATE 是否与 randomized evidence 相容。
H1ICML 2025P23 / HCGM-CE
Measuring Variable Importance in Heterogeneous Treatment Effects with Confidence
一句话：PermuCATE 不只估 CATE，而是给“哪些变量真正驱动 treatment-effect heterogeneity”一个带 type-I error 控制的全局重要性检验。
底层问题
CATE model 给出不同个体不同效应后，哪些 covariates 真的携带异质性信号，哪些只是相关、冗余或模型噪声；如何在有限样本里避免把解释图当成统计证据。
数据 / 实验设定
输入是二元 treatment 的 (X,A,Y)；先用任意 CATE learner 与 pseudo-outcome risk，再以 conditional permutation 估计变量重要性并构造检验。实验覆盖合成线性/非线性、高维相关变量和 747 人、25 covariates 的 IHDP 半合成 benchmark。
为什么重要
它把“可解释 latent heterogeneity”从可视化要求提升为 inference 问题，也提醒 P23：好的 effect prediction 不自动给出可靠 effect modifier。
Portfolio 用法
P23/HCGM-CE 的 interpretability reviewer gate；可要求 AB-HTE 的 latent abduction 与 observed effect modifiers 分层报告。
Folded work
PermuCATE code run、对 HCGM score 的变量重要性适配、正式显著性声明 folded；本轮只完成来源核验和 opponent intake。
H2ICML 2025P20 / P23
Generalizing Causal Effects from Randomized Controlled Trials to Target Populations across Diverse Environments
一句话：2SDR 研究 trial 与目标人群处在不同环境、关键 separating-set covariate 只在一边可见时，目标总体 treatment effect 何时仍可识别和估计。
底层问题
RCT 内部有效不代表能迁移到目标人群；环境改变 covariate 分布，而且决定 effect heterogeneity 与 sample membership 的变量可能没有在 trial 与 target data 里同时测量。
数据 / 实验设定
两份数据：带 treatment/outcome 的 RCT 与目标人群 observational covariates；变量分 common、partially observed 和 shadow variables。2SDR 先检验/选择 shadow variables，再恢复 selection score 与缺失 covariate 分布，最后 doubly robust 地估 TATE。实验含 synthetic、ACTG 175 与 JTPA。
为什么重要
它把 P20 的“shift 下保留 mechanism”压成 identification 问题：哪些跨环境变量必须保留、缺失后靠什么额外假设恢复、假设违反时结论如何退化。
Portfolio 用法
P20 的 target-world/evidence-status opponent；P23 若从 IHDP/WAWS 向新群体外推，也必须显式区分 trial estimand 与 target-population estimand。
Folded work
2SDR code、shadow-variable tests、ACTG/JTPA reproduction 与 DiscoSCM target-world record comparison folded。
H3ICML 2017 classicP23 / HCGM-CE
Estimating Individual Treatment Effect: Generalization Bounds and Algorithms
一句话：CFR/TARNet 把 binary-treatment ITE 学习写成 factual prediction 加 treated/control representation imbalance，并给出连接两者的 generalization bound。
底层问题
每个 unit 只观察一个 treatment arm 的 outcome，如何让从 observational data 学到的表示在未见的 counterfactual arm 上仍能泛化，而不是只拟合 factual outcomes。
数据 / 实验设定
行对象是 (X,T,Y)；共享 representation Φ 后接 treatment-specific heads。TARNet 只做 factual loss，CFR 再用 Wasserstein 或 MMD 压低 treated/control 表示分布差异。实验用 747 人/25 covariates 的 IHDP 半合成数据与 Jobs randomized+observational benchmark。
为什么重要
这是 P23 不能绕开的直接基线：latent representation、individual effect、IHDP 和 treatment-specific response 早已有成熟外部语法。
Portfolio 用法
要求 HCGM-CE 把 analytic response/coupling object 与 CFR 的 balanced representation 明确区分，并诚实报告 TARNet/CFR 在 IHDP 上更强的区域。
Folded work
cfrnet reproduction、同 split 比较、IPM ablation 与 HCGM latent-object crosswalk folded；不把历史表格当作当前复现。
H4arXiv v1 · 2026HTE validation / HCGM-CE
Assessing Estimate of CATE from Observational Data via an RCT Study
一句话：CAFE 不再训练一个新的 CATE learner，而是用独立 RCT 的 group-level randomized contrasts 审核 observational CATE prediction 是否校准，并以 maximum-type extension 捕捉局部失配。
底层问题
Observation-only validation 看不见 individual treatment effect，也不能检验 unconfoundedness；一个大样本 CATE model 进入 individualized decision 前，怎样接受随机化证据的外部 goodness-of-fit 检验。
数据 / 实验设定
输入是冻结的 black-box CATE function 与独立 RCT (X,A,Y)。先按 propensity、predicted CATE 或外部 covariate 把 RCT 分组，再比较每组 RCT difference-in-means 与模型平均预测；CAFE 汇总 squared standardized gaps，CAFE-M 取最大 gap。证据含 theorem statements、低维/高维 simulation 与 4,218 人 Tennessee STAR controlled construction。
为什么重要
它把 estimation 与 assessment 分开，也给 top-20% targeting 增加 effect-magnitude calibration gate；但不拒绝不等于 individual CATE correct，拒绝也不能自动证明 hidden confounding。
Portfolio 用法
H3 负责 observational CATE estimation，H4 负责 external randomized audit；Primer 可据此区分 identification、estimation、assessment，HCGM/USL 则不能再用普通 test loss 自证 unit-level heterogeneity。
Folded work
proof reconstruction、缺失 supplement、code reproduction、adjusted RCT group estimator、multiple-partition correction、真实 paired RCT/OS audit 与 CAFE-versus-RATE/TOC comparison folded。
机制变化与动力学
这一组主要压 P20，也反哺 P01：它们把 mechanism 从一个含糊词拆成
function、noise、timing channel、simulator truth、macro query、partial graph knowledge。
B4AAAI-26P01 / P20
Causal Structure Learning for Dynamical Systems with Theoretical Score Analysis
一句话：它把 continuous-time causal structure 放到 local dependency 和 theoretical score analysis 上，而不是只恢复静态边。
底层问题
如果真实系统连续演化，所谓“发现了 causal graph”到底是静态边、微分方程里的 local dependency、连续时间 dynamics，还是一个带证据窗口的 timing claim。
数据 / 实验设定
数据是 multivariate dynamical-system trajectories：连续时间状态被规则或不规则采样；候选 directed graph 表示 process components 的 local dependency；CADYT 用 GP dynamics、Algorithmic Markov Condition 和 MDL-style score 为 parent sets / recovered structure 打分。
为什么重要
它给 P20 一个强提醒：mechanism preservation 不能只说 edge still exists。
Portfolio 用法
P01 可讲 dynamic causal object；P20 可把 timing/local-dependency preservation 作为一个 branch。
Folded work
CADYT / score reproduction、proof audit、lag-score toy comparison folded。
C1ICML 2026专属深度导读
Use What You Know: Causal Foundation Models with Partial Graphs
一句话：它问 causal foundation model 在已有 full / partial graph 或 ancestral information 时，如何把这些 causal knowledge 用进推断。
底层问题
Causal foundation model 不能只靠 samples 回答 causal query；如果用户已经知道 full graph、partial graph 或 ancestral information，模型要说明它用了哪些已知因果知识、还不知道什么。
数据 / 实验设定
输入 bundle 包含 observed samples、causal query、CFM input representation，以及 full / partial causal graph 或 ancestral relations；实验关注 conditioning strategy、attention / learnable bias 如何注入这些知识，并比较 predicted causal quantities 与 structure-specific baselines。
为什么重要
它防止 P01 把 foundation model 写成“数据自己携带因果对象”，也防止 P20 把 partial graph input 误读成 mechanism preservation。
Portfolio 用法
P01/P17/P20 都可用它练习 source/projection/known-object 边界，并把“知道部分图”与“知道真实机制”严格分开。
Folded work
CFM reproduction、prior-mismatch stress test 与 partial-graph DiscoSCM experiment folded；论文、官方元数据与代码来源已在专属导读中核对。
C2ICML 2026P20
Dissecting Causal Mechanism Shifts via FANS: Function And Noise Separation
一句话：它把 environment shift 拆成 function shift、noise shift 或 mixed shift，而不是只说 distribution changed。
底层问题
看到 environment shift 时，不能直接说“mechanism changed”；要分清是 structural function 变了、noise / disturbance process 变了，还是两者混合且不可识别。
数据 / 实验设定
设定是 non-additive nonlinear SCM 的 source / target environments：观测 node、parents 和 before/after samples；用 residual / disturbance signal 与 independence criterion 检测 function shift，再区分 noise alteration、function shift 或 mixed / non-identifiable case。
为什么重要
它把 P20 的 mechanism preservation 问题切得很干净：到底保留的是 function、noise、两者，还是都没有。
Portfolio 用法
P20 可以把 function/noise separation 作为第一条可写分支；P01 则可用它解释“domain shift”太粗。
Folded work
full FANS reproduction、source-target sweep、DiscoSCM shift replacement folded。
C3NeurIPS 2025 D&BP20
CausalDynamics: A large-scale benchmark for structural discovery of dynamical causal models
一句话：它不是普通 time-series benchmark，而是把 trajectories 背后的 dynamic generator、lag channel 和 evidence window 变成显性对象。
底层问题
动态数据里的 causal recovery 不能只问“边有没有被找回”；还要问被找回的是 current-time channel、lagged channel、local dependency、dynamic generator 还是某个 evidence window。
数据 / 实验设定
benchmark 由 multivariate trajectories 组成，生成器包括 ODE、SDE、linear / nonlinear coupled systems 和 idealized climate models；作者提供 true graphs，并加入 noisy、confounded、lagged dynamics。评分是 graph reconstruction，但本地读法额外区分 A_now、A_lag、static_summary 和 evidence_window。
为什么重要
它要求 P20 说明 preserved 的是 static edge、lag relation、local dependency、dynamic generator 还是 evidence window。
Portfolio 用法
P20 的 dynamic mechanism branch 可以从 C3 开始；P01 可以用它讲动态数据不是 timestamped rows。
Folded work
official eval、HuggingFace dataset、baseline algorithms、static-vs-lag score reproduction folded。
C4NeurIPS 2025 D&BP01 / P20
CausalVerse
一句话：它用 visual simulator truth 支撑 causal representation / reasoning benchmark，而不是只看图像表观匹配。
底层问题
在图像/视频 CRL 里，模型表现好不等于学到 causal variables；需要视觉真实度和 simulator ground truth 同时存在，才能判断 representation 是否抓住因果结构。
数据 / 实验设定
数据不是单纯图片：约 200k images、3M video frames、24 sub-scenes 和 4 个 domains，配套 simulator states、causal variables / structures、intervention histories、temporal dependencies、configurable settings，以及 against-ground-truth evaluation metrics。
为什么重要
它和 B3 一起提醒 P01/P20：representation 或 visual performance 本身不是 mechanism preservation 证据。
Portfolio 用法
P01 可用作 visual causal data 背景；P20 可问 simulator truth 下到底保留了哪个 variable/relation/intervention response。
Folded work
dataset/simulator runs、visual truth schema、DiscoSCM visual benchmark folded。
L03NeurIPS 2025P17 / P20
Agents Robust to Distribution Shifts Learn Causal World Models Even Under Mediation
一句话：它把 agent robustness under distribution shift 和 causal world model recovery 联系起来，即使存在 mediation。
底层问题
agent 在 distribution shifts 下仍然 robust，是否说明它学到了 causal world model？特别是 action 先改变环境变量、再通过 mediated path 影响 utility 时，这个问题更尖锐。
数据 / 实验设定
对象是 causal influence diagram：decision node、utility node、chance / environment nodes 和 mediation path；distribution shifts 被建模成 chance nodes 上的 local interventions；证据不是普通 samples，而是不同 shift 下的 optimal policy oracle，用来恢复 CID structure 和环境 CPT。
为什么重要
它是 P17/P20 的强 formal neighbor：agent causal-world-model 已经不是空白，必须说明我们的 trace/regime object 不同。
Portfolio 用法
P17 对比 trace-level operational-regime diagnosis；P20 区分 policy robustness、recoverable world model 和 mechanism-preservation decision。
Folded work
LearnCID implementation、policy-oracle simulation、theorem audit、POMDP reproduction folded。
L04NeurIPS 2025P19 / P20
Identifying Macro Causal Effects in C-DMGs over DMGs
一句话：它处理 cyclic / macro-level causal effect identification，避免把所有问题强行塞进 acyclic DAG。
底层问题
如果底层因果系统有 feedback / cyclic dynamics，而我们只知道 cluster-level mixed graph，宏观变量之间的 do-effect 还能不能从 observational distribution 识别。
数据 / 实验设定
这是 formal graph-and-query setting：micro object 是 ioSCM / DMG，coarse object 是 C-DMG over DMGs；变量被 partition 成 macro clusters，query 是 Pr(CY = cY | do(CX = cX))；sigma-separation 和 SC-hedge witness 判定识别或不可识别。
为什么重要
它提醒 P19/P20：macro relation 和 cyclic mechanism 需要 graph abstraction / identifiability discipline，不是稳定相关就够。
Portfolio 用法
P19 可以用它支撑 population cycles；P20 可以要求 mechanism preservation 相对于 macro query 和 graph abstraction 说明。
Folded work
theorem audit、sigma-separation checker、do-calculus search、SC-hedge detector、DiscoSCM formal comparison folded。