高效可微分的因果顺序发现

该研究解决了现有因果顺序发现方法在处理大规模数据集时的计算复杂性和不可微性的问题。通过重新构建现有算法，提出可微的排序与排名技术，使因果顺序的优化变得可扩展，提升了因果发现算法的表现。研究成果显示，与因果顺序正则化相结合的算法在微分模型训练中具有显著优势，推动了因果学习的进展。