本研究揭示了因果表示学习（CRL）在真实系统中的不足，评估了多种CRL方法，发现它们无法有效恢复潜在因果因素，强调了理论与实践之间的差距，并指出假设对性能的重要性。

本研究提出了部分可观察的高斯过程网络（POGPN），有效解决了高斯过程的维数灾难问题，显著提升了真实系统的预测性能。