本研究提出了一种基于因果图模型的视觉-语言解码器，旨在提升对人类语言组合特性的理解。实验结果显示，该方法在多个基准测试中显著优于现有技术，并在大规模数据集上表现更佳。

本文综述因果图模型研究进展，涵盖结构干预距离、基于祖先图的m-分隔符算法、嵌入干预分布的连续度量、主动因果结构学习、MPDAG因果识别标准、四类图模型的变量调整标准、带循环因果图发现算法及自适应干预基准，推动因果效应识别与因果发现评估。

本研究探讨了语义对语言中性别确定的影响，通过因果图模型发现名词的性别对形容词选择影响较小，质疑了新沃尔夫假说。