因果描述差距的信息论分离研究

2026年10月20日，一篇发表于arXiv人工智能分类的研究提出“查询类描述长度”，用于量化在已知低层级因果答案后指定高层级答案所需的额外比特数，从而刻画Pearl因果层级之间的描述长度差距。该研究构造了n个二值变量上的无环结构因果模型（SCM），其共同观测分布描述长度恒定，但单变量干预答案需要Θ(n²)额外比特，由此给出观测与干预之间的信息论分离。在独立噪声、固定有限门模式与噪声库、每变量至多d个父节点的条件下，研究给出观测-干预差距的上界为O(nd log(en/d)+n log n)。目前该工作以预印本形式公开，尚无后续跟进报道。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。