NeurIPS 2021 | 寻找用于变分布泛化的隐式因果因子

这篇论文将 CSG 模型推广到了多训练域的情况，即用来处理领域泛化（domain generalization）任务，并给出了相应的算法和理论。为了建模与领域标号 d 的关系，此时的先验分布记为 p^d (s,v)。为避免在图模型中以及在算法和理论中暗含给定 d 之后 s 与 v 的独立性，研究员们引入了混淆变量（confounder）c。它解释了 s 与 v 之间的虚假关联（spurious correlation），因为尽管 s 和 v 之间没有因果关系，但若忽略 c，那看上去 s 和 v 就会有相关性：p^d (s,v)=∫p^d (c) p^d (s│c) p^d (v│c) dc。拓展后的模型如图5所示，被称为隐式因果不变模型（Latent Causal Invariant Model，LaCIM）。