CausalGrade：用Jev对因果图进行证据引导评分

CausalGrade用Jev判断因果边并据此给候选因果图打分

资讯摘要

论文提出因果图评分方法CausalGrade，基于概率判断模型Jev，向Jev提供观测数据中的关联、条件依赖与方向性证据，以及因果发现基础模型CDFM输出的边概率，由Jev判断直接因果边，再以图邻接结构与边级判断的一致程度得到图级分数。作者报告，在300个合成数据集、4种因果发现算法与5种变量数的20种组合中，该分数与结构误差均呈较强负相关；在500个合成图选择任务中，最佳候选命中率为54.4%，高于Self-Compatibility指标κ_G的48.4%。

要点速读

1. 方法结合观测数据证据与CDFM边概率，由Jev给出边级概率判断并汇总为图级分数
2. 300个合成数据集、20种算法与变量数组合下，分数与结构误差呈较强负相关
3. 500个合成图选择任务中最佳候选命中率54.4%，对比κ_G为48.4%

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/11/3 08:00:27（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。