本研究探讨了将因果关系的先验知识纳入因果模型的方法，包括因果贝叶斯网络和最大祖宗图。模拟实验表明，少量先验知识能显著改善推断结果。研究还提出了新的因果发现算法和基于专家知识的改进策略，以提高因果图识别的效率和准确性。

该文介绍了一种基于非参数 Von Mises 估计器的条件独立性测试方法（VM-CI），可用于多元分布的熵估计，达到最优参数速率。作者证明了 VM-CI 的总体误差上限，并表征了使用该方法进行条件独立性测试的任何基于约束的因果发现算法的样本复杂度。该方法在性能上优于其他常见的条件独立性测试，表现更好。