arXiv cs.AI· Karim Zaghw, Wieland Brendel, Patrik Reizinger·· 3 天前AI 评分18
学习到的块表示何时保留因果含义？块可识别性与构造性因果抽象
When Do Learned Blocks Preserve Causal Meaning? Block Identifiability and Constructive Causal Abstractions
AI 导读
研究将块可识别性与构造性因果抽象相连接，证明块对角可逆变换加兼容坐标置换是保持基于这些块构建的每个构造性因果抽象的最大变换类，前提是块与概念的对应关系随表示更新。在加性自编码器的小型合成实验中，高层干预可在独立学习的表示之间迁移并近似保持预期效果。
正文 · AI 翻译
摘要：标准可识别性理论假设潜在因子是一维的，但学习到的表示可以在多维块中编码潜在信息，而这些块的内部坐标并非唯一确定。当此类块被用于表示和干预更高层次的概念时，其因果含义能否在块可识别性未能解决的变换下得以保留尚不清楚。我们将块可识别性与构造性因果抽象联系起来。我们证明，块对角可逆变换后接兼容的坐标置换，构成了保持建立在这些块之上的每一个构造性因果抽象的最大类。这一保证假设块与概念之间的对应关系随表示一同更新。一个使用加性自编码器的小型合成实验表明，高层干预可以在独立学习到的表示之间迁移，同时近似保持其预期效果。
| 学科： | 机器学习（cs.LG）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.18155 [cs.LG] |
| （或 arXiv:2610.18155v1 [cs.LG] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.18155 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Karim Zaghw [查看电子邮件]
[v1]
2026年10月13日星期二 11:00:57 UTC（90 KB）
来源：arXiv cs.AI · arxiv.org