《因果ABM：基于智能体的建模以学习可靠因果模型》2022美国南佛罗里达大学等26页论文

我们提出了因果ABM，一种推导描述复杂潜在行为现象的因果结构的方法。基于智能体的建模（ABM）在因果建模方面具有强大的优势，而这些优势还没有得到充分的探索。与传统的因果估计方法不同的是，ABM的两个特性--等价性（不同的条件集或模型代表产生相同结果的能力）和多重性（同一ABM可能产生不同的结果）--可以被利用来从数据中学习多种不同的 "可靠因果模型"。我们用社交网络上的新闻分享为例，展示了这一想法如何应用于学习这种因果集。我们还表明，由于遗传算法的平行搜索结构，它可以作为一种估计技术，从数据中学习多种可靠因果模型。然而，在普遍应用之前，仍然存在重大的计算挑战，因此，我们强调了在未来工作中需要解决的具体关键问题。