PriMa-Causa：因果规范性维护

因果基础模型单次前向替代逐案拟合，降低维护处方误差。

资讯摘要

论文提出 PriMa-Causa，将因果推理嵌入规范性维护，使维护动作按估计的干预效应排序。系统由因果推理层、参数化模拟器和图条件表格因果基础模型组成，后者在合成产线先验上预训练，单次前向即可回答干预查询。作者报告其处方误差低于关联性基线，在弱重叠与稀疏上下文下差距最大，部分披露因果图可进一步降低误差。

要点速读

1. PriMa-Causa 将因果估计整合进 PriMa 参考模型，用干预效应而非关联量对维护动作排序。
2. 参数化模拟器提供制造业数据中缺失的干预真值，图条件表格因果基础模型预训练后单次前向回答干预查询。
3. 作者报告处方误差低于关联性基线，弱重叠与稀疏上下文下差距最大，部分披露因果图可进一步降低误差。

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 2026/10/24 08:00:37（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。