Causal AI Scout · 逐篇深读

重点论文导读

这里不是把论文卡统一扩写成摘要模板，而是给每篇重点论文一个可真正进入阅读的页面： 先拆误会，再建立直观世界，走过真实数据或形式对象、方法流程和最小例子，最后看关键结果、 证据层级、局限与原文路线。全文或结果不可得时会明确标注“来源受限”，不补造数字， 也不宣称已经复现。

按问题族浏览 这里按论文真正研究的问题分类；venue 与内部项目关系放到筛选器。
Agent / LLM 因果推理 反事实推理与决策 因果效应与表示 机制变化与动力学
快速筛选

显示全部 27 篇导读

按论文进入

27 篇论文导读

标题直接进入单篇导读；目录顺序与下方问题族一致。

Agent / LLM 因果推理

A1 CausalGame A2 CauSciBench A3 Cycle-of-Science A4 Abstract Counterfactuals A5 Next-Token A6 CausalStep

反事实推理与决策

D1 Executable Counterfactuals D2 Decompositional CF D3 Causal Bandits D4 CausalPitfalls D5 Synthetic Worlds

因果效应与表示

B1 LDTE B2 CGM B3 CRL Sanity B5 Internal Mechanisms L01 Measurement CRL L02 Continuous Treatments H1 PermuCATE H2 RCT Target Generalization H3 CFR / TARNet

机制变化与动力学

B4 Dynamic Score C1 Partial Graph CFM C2 FANS C3 CausalDynamics C4 CausalVerse L03 Robust Agents L04 Macro Effects

Agent / LLM 因果推理

这一组最直接压 P17：它们说明 top venue 已经在做 causal-agent benchmark、 empirical causal workflow、counterfactual verification、LLM internal causal ability。 P17 必须更窄地回到 hidden operational-regime diagnosis。

A1ICML 2026P17

CausalGame: Benchmarking Causal Thinking of LLM Agents in Games

读深度导读 official source

一句话：它不是问 LLM 会不会答因果题，而是把 agent 放进带 selection bias、measurement error、 hidden confounder 的互动 game，看它能否主动实验并恢复 hidden causal mechanism。

底层问题

一个 agent 看到一批似乎支持某策略的记录时，能不能先怀疑这些记录被 selection bias、measurement noise 或 hidden confounder 污染，再主动做实验找真正机制。

数据 / 实验设定

实验是一局 interactive causal game：先给 survivor-biased observations；agent 在预算内设计 trials 收集新 observations；hidden game SCM 规定真机制和陷阱；最后按 final design、explanation、win outcome 和 causal-reasoning rubric 评分。

为什么重要

它已经占住“agent 在 hidden causal trap 里做主动因果调查”的邻域，P17 不能只说自己评测 agent causal reasoning。

Portfolio 用法

P17 应对比为：同一 surface operational trace 背后是什么 active regime，以及哪个 repair 在该 regime 下有效。

Folded work

leaderboard 复查、代码运行、模型对比、把 P17 做成 game variant，全部等 owner 选 P17 后再展开。

A2ICML 2026P17 / P01

CauSciBench: Evaluating LLM Causal Inference for Scientific Research

读深度导读 official source

一句话：它评测 LLM 是否能从真实 empirical study 的问题、变量和数据出发，完成 causal workflow， 而不是等人类告诉它该用哪种方法。

底层问题

LLM 不是只会执行人类指定的方法，而是要从 study context 自己决定 causal question、变量角色、estimand、分析路径和解释。

数据 / 实验设定

每个任务给 study prompt、dataset description / metadata 和 real-world / synthetic / textbook-style variables；模型要识别 treatment、outcome、controls，选择方法，产出 effect 或统计结果，并按 reference rubric 评估。官方摘要量级是 300+ causal-analysis tasks。

为什么重要

它已经把“LLM causal inference workflow benchmark”做成 top-venue territory，防止 P17 claim 过宽。

Portfolio 用法

P01 可借它解释 question-first workflow；P17 要避开“完整 causal-analysis assistant”这个邻居，回到 operational-regime diagnosis。

Folded work

dataset/docker/repo 复现、method-accuracy 复算、DiscoSCM workflow 替换，暂时全部 folded。

A3ICML 2026P17 / RQ21

Cycle-of-Science: Reliable Reasoning through Counterfactual Verification for Agent Decision Making

来源受限导读 official source

一句话：它让 agent 把经验里的相关性变成 causal hypothesis，再用 counterfactual samples 和 intervention-effect analysis 验证后才允许影响下一步行动。

底层问题

agent 不能把过去经验里的相关性直接当因果依赖；它要先提出 causal hypothesis，再用实验和 counterfactual verification 证明这个 pathway 支持当前决策。

数据 / 实验设定

一条 agent-decision episode 被拆成：policy context 和 causal knowledge -> hypothesis -> experiment -> counterfactual samples -> intervention-effect signal 与 policy uncertainty -> validated hypothesis -> next decision / benchmark outcome。

为什么重要

它已经把 agent decision 写成 hypothesis-experiment-validation loop，P17 不能只说自己做 counterfactual verification。

Portfolio 用法

RQ21 可借它规范 repair evidence；P17 则要强调 trace -> hidden regime -> repair validity，而不是 generic agent science loop。

Folded work

benchmark reproduction、counterfactual sample generator、policy uncertainty calibration 和 DiscoSCM projection folded。

A4NeurIPS 2025P17

Abstract Counterfactuals for Language Model Agents

读深度导读 official source

一句话：它把 LM-agent 的 counterfactual 从 token-level edit 提升到 abstract action / interaction feature 层。

底层问题

LM agent 的 action 往往是上下文里的生成文本，不是固定按钮；真正有意义的反事实常常是“换一种高层行动/交互特征会怎样”，而不是只改 token。

数据 / 实验设定

实验围绕 text-based games 和 counterfactual text generation：给 interaction history、environment context 与 generated action string，构造 abstract action / interaction feature 上的 intervention，并与 token-level 或 latent-space intervention 的行为效果比较。

为什么重要

它说明 agent counterfactuals 已经有 formal/eval 邻居；P17 的 novelty 不能是“agent 也有反事实”。

Portfolio 用法

P17 要把 counterfactual 缩成 named-regime repair counterfactual；P01 可用它介绍 LLM-agent counterfactual frontier。

Folded work

action feature mapping、baseline comparison、agent trace substitution 暂时 folded。

A5NeurIPS 2025P01 / P17

Causal Discovery and Inference through Next-Token Prediction

读完整介绍 official source

一句话：它把 next-token prediction 放进受控 SCM 世界，测试模型是否能从序列训练中获得 causal discovery / inference 能力。

底层问题

它检验 next-token training 在受控 SCM 世界里是否能诱发内部 SCM-like representation；如果可以，我们就不能再简单说“LLM 只会模式匹配，所以不会因果”。

数据 / 实验设定

linear Gaussian SCM 生成 sequences 和 interventional exposure；Transformer 做 next-token training；prompt 再问 counterfactual queries；作者解码 residual-stream 里的 implicit SCM，并通过 activation manipulation 看模型输出是否按预期改变。

为什么重要

它阻止两种粗糙判断：LLM 完全不能学因果，或者 next-token 表现好就等于学到世界机制。

Portfolio 用法

P01 用它区分 represented causal object 与 external mechanism；P17 用它提醒 internal representation 不等于 operational regime。

Folded work

训练复现、activation decoding、DiscoSCM replacement comparison folded。

A6AAAI-26P17 / RQ24

CausalStep: A Benchmark for Explicit Stepwise Causal Reasoning in Videos

读深度导读 official source

一句话：它不是普通视频理解，而是把视频切成 causally linked segments，要求模型按顺序回答 descriptive QA 和 explicit causal QA。

底层问题

视频模型可能靠全局画面或浅层识别猜中答案；这篇论文要测的是它能不能沿着连续事件保持一条可定位的 causal chain。

数据 / 实验设定

官方任务含 100 个视频、6 类场景和 1,852 个 multiple-choice QA；视频被切成 causally linked segments，模型回答时只看当前和上一段，不能偷看未来；错误会中断 chain 并触发 restart，distractor taxonomy 和 diagnostic metrics 用来定位断点。

为什么重要

它给 P17 一个 evaluation discipline：不要只看 final repair answer，要定位 reasoning 在哪一步断掉。

Portfolio 用法

P17 可把它迁移成 evidence-status、active-regime、causal-path、repair-owner、counterfactual 的分步评分。

Folded work

视频 benchmark ingestion、step scorer、distractor taxonomy 对齐和 DiscoSCM trace scoring folded。

反事实推理与决策

这一组按共同问题聚合 abduction、counterfactual verification、decision/action object 与统计陷阱。 当前材料主要来自 ICLR 2026，因此 ICLR 作为 venue 筛选保留，而不再承担一级分类职责； D5 仍只是 workshop-level task-design support，不作为 main-conference SOTA claim。

D1ICLR 2026P17

Executable Counterfactuals: Improving LLMs' Causal Reasoning Through Code

读深度导读 primary source

一句话：它把 LLM counterfactual reasoning 变成可执行的 code / math task，强制模型经历 abduction、intervention、prediction 三步，而不是只做可见输入改写。

底层问题

反事实推理第一步是 abduction：先从已观察结果推回隐藏状态。它问 LLM 是否真的做了这一步，还是只把可见 input 改掉后做普通 intervention reasoning。

数据 / 实验设定

任务是 executable code / math problems：给 original input 和 observed output，隐藏 latent state 或内部变量；模型要在 counterfactual input 下保持推断出的隐藏状态并预测结果。数据还区分 code/math、in-domain/out-of-domain、interventional vs counterfactual splits。

为什么重要

它直接压 P17：P17 不能只说自己评测 counterfactual reasoning，而要说清 hidden operational-regime abduction 和 repair validity。

Portfolio 用法

P17 可以把它作为最接近的 ICLR 邻居：同一 surface trace 下，先识别 active hidden regime，再决定 repair 是否有效。

Folded work

OpenReview final metadata、dataset download、SFT/RL reproduction、counterfactual-code benchmark run 全部保持 folded。

D2ICLR 2026P17 / RQ24

On the Eligibility of LLMs for Counterfactual Reasoning: A Decompositional Study

读深度导读 primary source

一句话：它不把 counterfactual reasoning 当作一个黑盒 final-answer score，而是拆成变量、图结构、干预和 mediator/outcome 推理阶段。

底层问题

counterfactual reasoning 不是一个黑盒技能；如果 final answer 错了，要知道是变量识别、图结构、干预目标，还是 mediator/outcome 推理先坏掉。

数据 / 实验设定

它构造 decompositional benchmark：input context、factual/counterfactual condition、treatment/covariate/mediator/outcome、reference DAG、intervention target 与 stage-level responses。论文报告 11 个数据集、约 48k curated instances，覆盖 NLU、math、programming 和 vision-language 等模态。

为什么重要

它给 P17 一个 stage-aware benchmark 邻居：模型可能语言上像懂反事实，但在 variable identification 或 mediator reasoning 阶段先失败。

Portfolio 用法

P17/RQ24 可以借它定义分步诊断语法；P01 可用它说明 causal workflow 不是单一推理能力。

Folded work

11-dataset benchmark 的独立运行、model evaluation 复现与 tool-augmented strategy 对比先 folded；论文和官方 slides 已在专属导读中核对。

D3ICLR 2026P17 / P01

Counterfactual Structural Causal Bandits

读深度导读 official source

一句话：它把 structural causal bandit 的 action space 从 observational / interventional arms 推到可实现的 counterfactual actions。

底层问题

在 sequential decision 里，action 不一定只是观察或物理干预；它可以是一个 counterfactual action。论文问哪些反事实动作可实现、可选择、值得保留。

数据 / 实验设定

这是 formal setting 而不是经验数据集：给 SCM 和 bandit decision problem，区分 observational、interventional、counterfactual action spaces，定义 counterfactual-level intervention sets、reward/regret objective，并用 reduction 去除 redundant 或 suboptimal actions。

为什么重要

它保护 formal decision-making 边界：counterfactual decision 已经有 ICLR formal neighbor，P17 必须聚焦更早的 hidden-regime diagnosis。

Portfolio 用法

P17 用它降级 lazy claim；P01 只在综述里简短说明 causal question 会改变 decision/action object。

Folded work

定理的独立证明、POMIS-style action-reduction 实现、算法复现与 formal crosswalk folded；final paper 与官方 poster 已在专属导读中核对。

D4ICLR 2026P17 / RQ24

Ice Cream Doesn't Cause Drowning: Benchmarking LLMs Against Statistical Pitfalls in Causal Inference

读深度导读 primary source

一句话：它不是问 LLM 会不会说 causal vocabulary，而是测试模型能否避开 Simpson's paradox、selection bias、mediation、external validity 等统计因果陷阱。

底层问题

LLM 会说 causal vocabulary 不代表 causal reliable；它可能在 confounding、错误 conditioning、实验设计、uncertainty、mediation 或 external validity 上犯统计因果错误。

数据 / 实验设定

benchmark 按 pitfall category 组织 challenge prompt、constructed dataset、DAG/SCM、ground-truth causal conclusion 和 rubric；论文描述 15 challenges、75 questions、75 datasets，并比较 direct prompting、code-assisted response、automatic judge 与 human statistician validation。

为什么重要

它把 P17/RQ24 的 benchmark 纪律拉高：任务必须让错误因果路径暴露，而不是只考术语或故事判断。

Portfolio 用法

P17 可把 CausalPitfalls 作为 statistical causal-inference benchmark 对手；P01 可用它提醒 causal workflow 需要设计与假设纪律。

Folded work

OpenReview metadata、GitHub/code run、benchmark reproduction、LLM judge 和 human-grading validation 全部 folded。

D5ICLR 2026 Workshopsupport

Revisiting Causal Reasoning in Language Models through Controlled Synthetic Worlds

读深度导读 workshop source

一句话：它用 controlled synthetic worlds 作为 LLM causal reasoning 的邻近测试语境，帮助我们思考 task design，但不作为 main-conference SOTA pressure。

底层问题

如果 benchmark 只给自然语言故事，模型可能靠语义捷径答题；controlled synthetic world 的价值是把变量、规则、状态转移和干预边界显性化。

数据 / 实验设定

这里读作 workshop-level task-design support：controlled world specification、state variables、transition rules、intervention/counterfactual query、model answer 和 reasoning trace；它帮助设计 P17 任务，不作为 main-conference SOTA evidence。

为什么重要

它给 P17 task design 一个辅助提醒：合成世界可控，但 workshop evidence 不能替代 main-conference opponent。

Portfolio 用法

只作为 synthetic-world neighbor / support lead；P17 若需要 controlled task variant，可回到这里取设计约束。

Folded work

synthetic-world generator、fine-tuning run、novel-chain / cross-task 实验复现与 P17 task adaptation folded；workshop program、OpenReview record 与官方演讲已核对。

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

读深度导读 official source

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

读深度导读 official source

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

读深度导读 official source

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

读深度导读 official source

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

读深度导读 official source

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

读深度导读 official source

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。

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 直接压 P23 的“异质性解释”， H2 把 P20 的 environment shift 连接到 target-population identification，H3 是 binary-treatment 表示学习最需要正面承认的经典对手。

H1ICML 2025P23 / HCGM-CE

Measuring Variable Importance in Heterogeneous Treatment Effects with Confidence

读深度导读 PMLR

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

读深度导读 PMLR

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

读深度导读 PMLR

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。

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

读深度导读 official source

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

读深度导读 official source

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

读深度导读 official source

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

读深度导读 official source

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

读深度导读 official source

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

读深度导读 official source

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

读深度导读 official source

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。

使用边界

这些 digest 来自本地 scout deep-dive 和 source brief 的 public-safe 压缩。 它们帮助 owner 快速理解论文内容和 portfolio 用法；最终 citation prose、BibTeX、 reproduction claim、leaderboard numbers 都必须在进入论文前重新检查。