最优传输重塑结构因果模型反事实回溯推断

摘要：论文从最优传输视角重新审视结构因果模型中的反事实回溯推断。由于事实观测通常只能确定外生变量的后验分布，反事实推断本质上是一个分布传输问题。作者提出两种互补框架：点式投影直接寻找满足目标反事实条件的最小代价映射；独立保持框架进一步约束反事实外生变量相互独立，使其仍可解释为同一SCM中的真实外生噪声。针对有限后验，论文给出边缘、惩罚和硬约束三类求解器，并以非双射SCM实验揭示传输成本、约束满足和外生独立保真之间的权衡。

---

核心问题：反事实推断为何天然是分布级的

结构因果模型（SCM）通常写作 $X_i=f_i(Pa_i,U_i)$，其中 $U_i$ 表示相互独立的外生噪声。观察到事实 $X=x$ 后，反事实查询通常要求回答：如果主动改变某个变量 $X_k=a_k$，其余结果会如何变化？

关键困难在于，事实数据一般不会唯一确定全部 $U$。更现实的情况是，数据只诱导出一个后验分布

$$ P(U\mid X=x) $$

因此，反事实并非从有限候选中挑选一个“最合理”的 $U$，而是要把整个后验分布搬到满足目标反事实条件的外生配置集合上：

$$ T_#P(U\mid X=x)\approx P(U^\star),\qquad f(X^{\star}_{a_k},U^\star)=X^{\star} $$

这里的 $T$ 不是普通参数拟合，而是外生空间中的分布传输。

两种最优传输框架

点式投影：优先满足反事实条件

第一种框架为后验支持集中的每个外生配置寻找一个目标点 $T(u)$，使传输代价尽可能低，同时要求目标点满足反事实查询。概念上，它求解的是

$$ T(u)=\arg\min_{v\in\mathcal C_{cf}} d(u,v)+\lambda,R(v) $$

其中 $\mathcal C_{cf}$ 是满足反事实约束的外生配置集合，$R$ 用于处理约束偏差。若约束是硬约束，最优点通常落在目标集合的投影上；若使用软惩罚，结果则允许在投影附近进行折中。

该方案的优点是直接把后验样本映射到可用的反事实样本，适合下游只需从目标分布采样或估计反事实结果的任务。缺点是点与点之间的对应关系可能把原本独立的外生分量缠绕在一起，使映射后的变量不再具有清晰的外生噪声解释。

独立保持传输：维持SCM语义

第二种框架在传输之外加入外生变量独立约束。即便反事实世界中的外生变量不再与事实世界共享同一个确定值，它们仍应被解释为从同一SCM潜在分布中抽取、且彼此独立的外生噪声。

若目标支持集为 $Y={y_i}_{i=1}^n$，独立保持框架要求找到耦合矩阵 $\pi$，使边缘分布匹配目标分布，同时联合分布尽可能接近乘积分布：

$$ \pi\in\arg\min_{\pi\in\Pi(\mu,\nu)} \mathbb E_{(u,y)\sim\pi}[c(u,y)] +\gamma,D_{KL}(P_{U,Y}|P_U\otimes P_Y) $$

$KL$散度依赖乘积测度时可能难以直接优化，实践中可改用负对数似然、矩匹配、正交矩约束或基于最大熵的惩罚。

这一框架牺牲部分传输成本，以换取更严格的因果语义。对政策评估、干预分析或需要将反事实样本继续送入SCM模拟器的系统而言，这种语义保真通常比最小传输距离更不可妥协。

有限后验下的求解器

论文针对有限后验提出三类求解方式：

• 边缘求解器：逐个处理目标支持点，适合目标集合简单、可独立投影的情况，复杂度低，但忽略变量间的联合结构。
• 惩罚式求解器：把反事实约束、外生独立性和传输成本合并为统一目标，灵活性较高，但结果依赖权重选择和优化器初始化。
• 硬约束求解器：将满足反事实条件视为不可违反的可行性要求，通常可获得更干净的约束满足结果，但可行域可能非凸，且求解成本随后验规模增长。

从工程角度看，惩罚式方法最容易接入现有因果推断管线，硬约束方法更适合需要形式化验证的离线研究。边缘求解器则可作为快速基线，用于评估完整联合求解是否真正带来额外价值。

非双射SCM暴露出的几何冲突

SCM若在相关变量对之间不是双射，多个事实状态可能对应同一反事实目标；反事实映射也不一定唯一。此时，传输问题不再是普通最近邻投影，而涉及路径、聚类与约束可行域的组合。

论文的合成实验显示了三项互相牵制的指标：

1. 更低的传输成本通常意味着输出更贴近事实后验，但可能牺牲反事实条件；
2. 更强的硬约束提高条件满足率，却可能带来更大的分布偏移；
3. 强制外生独立可恢复SCM可解释性，但可能进一步提高传输代价。

因此，最优传输目标中的代价函数并非实现细节，而是决定因果结论的关键建模选择。若距离度量与SCM实际机制不一致，所谓“最优”反事实可能只是在选定几何意义下最优。

评测应如何审慎进行

现有摘要展示的是合成SCM实验，而不是真实数据或成熟应用基准。这样的设置有助于揭示映射几何，却不能直接证明方法能改善现实中的因果效应估计。评估时还应检查：

• 传输距离是否依赖数据尺度与变量单位；
• 事实后验样本量增加时，运输矩阵和求解时间如何增长；
• 独立约束是严格成立、被数值近似，还是仅在有限样本上近似；
• 硬约束是否真正排除了无效反事实，而不只是提高表观满足率；
• 与点估计、后验重加权、生成式反事实和核方法基线相比的收益是否稳定。

尤其不能用“生成了更多看似合理的反事实样本”替代因果有效性验证。独立性和约束满足只是必要性质，最终仍需与已知真值的SCM或干预数据对照。

开发者与研究者的落地建议

对因果建模团队而言，可将论文框架实现为SCM外生空间的独立传输模块：先由观测模型计算有限后验，再构造目标反事实支持集，最后在传输成本、硬约束和独立性之间选择求解器。建议同时保留原后验、点式投影结果和独立保持结果，通过消融实验量化每项约束带来的收益。

在工程侧，可先使用小规模离散SCM验证正确性，再扩展到连续或混合变量情形。连续外生空间上的熵正则化OT计算成本较高，GPU实现更偏向求解传输核而非处理大规模离散支持集。实际部署还需固定随机种子，记录传输代价、约束违反率和独立性诊断指标，避免仅凭下游预测性能选择方法。

论文的价值不在于提供新的SCM方程，而在于把“寻找一个反事实世界”的直觉问题，改写成可度量、可求解、可比较的分布传输问题。其成败将取决于目标代价、独立约束与实际因果语义能否对齐。

---

消息来源：ArXiv AI (cs.AI) (2026-11-10)

—— 完 ——

主题标签： #最优传输 关注 #结构因果模型 关注 #反事实推断 关注 #外生噪声 关注 #因果推理 关注