arXiv cs.AI· Alessandro Casadei, Sreyoshi Bhaduri, Rohit Malshe, Pavan Mullapudi, Raj Ratan, Ankush Pole, Arkajit Rakshit·· 10 小时前AI 评分8
arXiv 撤稿：面向复杂系统的可扩展因果中介分析框架
Scaling Causal Mediation for Complex Systems: A Framework for Root Cause Analysis
AI 导读
arXiv 管理员撤下了一篇题为《Scaling Causal Mediation for Complex Systems》的论文，理由是未达到 arXiv 的研究内容质量标准。该论文原提出面向含多处理与多中介变量的大型因果 DAG 的可扩展中介分析框架，将总效应分解为可解释的直接与间接成分，并以履约中心物流为案例展示其实用性。目前该投稿无 PDF 可查看。
正文 · AI 翻译
本文已被 arXiv 管理员撤回
摘要：现代运营系统，从物流和云基础设施到工业物联网，都由复杂且相互依赖的流程所支配。要理解干预措施如何在此类系统中传播，需要超越直接效应、量化中介路径的因果推断方法。传统的中介分析虽然在简单场景中有效，但无法扩展到实践中遇到的高维有向无环图（DAG），尤其是当多个处理与中介变量相互作用时。本文提出了一种可扩展的中介分析框架，专为涉及多个处理与中介变量的大型因果 DAG 量身定制。我们的方法系统地将总效应分解为可解释的直接与间接成分。我们通过在履约中心物流中的应用案例研究展示了其实际效用，在这些场景中，复杂的依赖关系与不可控因素常常掩盖了根本原因。
| 评论： | arXiv 管理员注：本投稿因不符合 arXiv 的研究内容质量标准已被撤回 |
| 主题： | 方法论（stat.ME）；人工智能（cs.AI）；计量经济学（econ.EM） |
| 引用为： | arXiv:2512.14764 [stat.ME] |
| （或 arXiv:2512.14764v2 [stat.ME] 查看此版本） | |
| https://doi.org/10.48550/arXiv.2512.14764 由 DataCite 颁发的 arXiv DOI |
投稿历史
来自：arXiv 管理员 [查看邮箱]
[v1]
2025年12月16日 星期二 04:06:40 UTC（23 KB）
[v2]
2026年10月29日 星期四 20:47:30 UTC（1 KB） （已撤回）
来源：arXiv cs.AI · arxiv.org