arXiv · cs.AI· Hendrik Stumpf·· 18 天前AI 评分18
CFGNP：用 Graph Neural Networks 实现摊销反事实预测
Amortized Counterfactual Prediction with Graph Neural Networks
来源与原文
arXiv · cs.AI
作者：Hendrik Stumpf
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.13724v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
研究者提出反事实图神经过程（CFGNP），端到端直接从观测数据回答反事实查询，无需先估计因果图。CFGNP 利用 GNN 限制事实-反事实变量间的跨世界消息传递，在 German Loan 基准上把 MSE 从 4.51×10⁻² 降至 0.19×10⁻²。仅用 10 节点图训练的模型可在最多 30 节点的图上保持较强预测性能，无需重训练。
来源：arXiv · cs.AI · arxiv.org