本文介绍了将因果性理论融入深度生成建模的方法，提高深度生成模型的分布偏移鲁棒性、公平性和互操作性。文章分为因果表示学习和可控反事实生成方法两类，探讨了因果生成模型在公平性、隐私、超出分布泛化和精准医学方面的理论、形式化、缺点、数据集、度量和应用，并讨论了未来研究方向。