研究者提出低秩分位数曲面因果发现方法LRQS
热点事件持续更新
研究者提出低秩分位数曲面因果发现方法LRQS
1 篇报道1 个报道来源11 小时前更新
先了解这件事
AI 综述
Ryo Kamimura 与 Thong Pham 提出双变量因果模型 LRQS（低秩分位数曲面）：在因果方向上，条件分位数曲面的未知单调变换可做低秩函数分解，作者称已证明该模型的通用可识别性。 该模型涵盖位置-尺度噪声模型与后非线性异方差噪声模型，并支持用多个分位数基刻画超出位置-尺度效应的分布变化。作者称实验显示，当条件分布形状变化或观测失真超出既有假设时，LRQS 尤为有效。该工作已被 NeurIPS 2026 接收。
AI 根据报道生成 · 2 小时前更新
最新进展10月23日 12:00
LRQS：基于变换低秩分位数曲面的因果发现方法报道时间线
沿着报道，了解事件的不同侧面。
10月23日
- arXiv cs.AILRQS：基于变换低秩分位数曲面的因果发现方法
研究者提出双变量因果模型 LRQS（Low-Rank Quantile Surfaces），在因果方向上条件分位数曲面的未知单调变换可做低秩函数分解，并证明了该模型的通用可识别性。LRQS 涵盖位置-尺度噪声模型与后非线性异方差噪声模型，支持多个分位数基以刻画超出位置-尺度效应的分布变化。实验显示其在条件分布形状变化或观测失真超出既有假设时尤为有效，该工作已被 NeurIPS 2026 接收。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。