本文提出了多种新方法来解决盲子空间去卷积、因果关系推断和域泛化等问题，强调在样本较少的情况下实现高质量估计的能力。这些方法结合了变分自动编码器、注意力机制和不变特征子空间恢复，展示了在动态模型学习和多源域适应中的有效性。

本文综述大语言模型在因果发现中的应用：利用其知识辅助构建因果图、推断因果关系并降低人力成本，涵盖医学、心理学等领域，提出LLM4Causal等框架实现端到端因果任务。研究表明LLM可增强传统因果发现方法，但存在知识依赖、计算限制及伦理挑战，需负责任使用。