We show that there is a general, informative and reliable procedure for discovering causal relations when, for all the investigator knows, both latent variables and selection bias may be at work. Given information about conditional independence and dependence relations between measured variables, even when latent variables and selection bias may be present, there are sufficient conditions for reliably concluding that there is a causal path from one variable to another, and sufficient conditions for reliably concluding when no such causal path exists.
Estimation of linear, non-gaussian causal models in the presence of confounding latent variables
从数据中估计线性因果模型（也称为结构方程模型）是一个众所周知的问题，在过去受到了很多关注。然而，大多数以前的工作，提出了明确或隐含的高斯假设，限制了模型的可识别性。我们最近证明了（Shimizu et al，2005; Hoyer et al，2006），对于非高斯分布，完全因果模型可以在无隐变量的情况下估计。在这篇文章中，我们讨论了模型的估计时，混淆潜变量存在。虽然在这种情况下不再保证唯一性，但最多有一组有限的模型可以拟合数据。我们开发了一个算法来估计这一套，并描述了数值模拟，证实了理论的论点，并证明了该方法的实际可行性。完整的Matlab代码提供了所有的模拟。
How Does Bayesian Causal Discovery Fail? Characterising Structural Consequences in Linear Gaussian Networks under Latent Confounding
Department of Information and Computing Sciences, Utrecht University（乌得勒支大学信息与计算科学系）；Leiden Institute of Advanced Computer Science, Leiden University（莱顿大学莱顿高级计算机科学研究所）
Latent Hierarchical Causal Structure Discovery with Rank Constraints
Carnegie Mellon University（卡内基梅隆大学）；Beijing Technology and Business University（北京工商大学）；Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学）
Temporal Latent Variable Structural Causal Model for Causal Discovery under External Interferences
School of Computer Science, Guangdong University of Technology（广东工业大学计算机科学学院）；Peng Cheng Laboratory（鹏城实验室）；Machine Learning Department, Mohamed bin Zayed University of Artificial Intelligence（Mohamed bin Zayed人工智能大学机器学习系）；College of Mathematics and Computer Science, Shantou University（汕头大学数学与计算机科学学院）
Time Series Domain Adaptation via Latent Invariant Causal Mechanism
School of Computer Science, Guangdong University of Technology（广东工业大学计算机学院）；Peng Cheng Laboratory（鹏城实验室）；School of Computing, Guangdong University of Technology（广东工业大学计算机学院）；Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学）；Institute for Infocomm Research, A*STAR（新加坡科技研究局信息通信研究所）；Centre for Frontier AI Research, A*STAR（新加坡科技研究局前沿人工智能研究中心）；Department of Computer Science and Technology, Tsinghua University（清华大学计算机科学与技术系）
Identification of Causal Structure with Latent Variables Based on Higher Order Cumulants
Guangdong University of Technology（广东工业大学）；Peng Cheng Laboratory（鹏城实验室）；Shantou University（汕头大学）；Carnegie Mellon University（卡内基梅隆大学）；Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学）
Identification of Nonlinear Latent Hierarchical Models
Carnegie Mellon University（卡内基梅隆大学）；University of California San Diego（加州大学圣迭戈分校）；Beijing Technology and Business University（北京工商大学）；Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学）
Causal Discovery with Latent Confounders Based on Higher-Order Cumulants
Guangdong University of Technology（广东工业大学）；Peng Cheng Laboratory（鹏城实验室）；Shantou University（汕头大学）；Carnegie Mellon University（卡内基梅隆大学）；Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学）
A Recursive Decomposition Framework for Causal Structure Learning in the Presence of Latent Variables
Shenzhen Institute of Advanced Technology, Chinese Academy of Sciences, Shenzhen, China（深圳先进技术研究院，中国科学院，中国深圳）；College of Computer Science and Artificial Intelligence, Fudan University, Shanghai, China（复旦大学计算机科学与人工智能学院，中国上海）
LacaDM: A Latent Causal Diffusion Model for Multiobjective Reinforcement Learning
School of Information Science and Technology, Guangdong University of Foreign Studies（广东外语大学信息科学与技术学院）；School of Engineering, Westlake University（西湖大学工程学院）
University of Cambridge（剑桥大学）；Mila, Université de Montréal（蒙特利尔大学米拉（Mila）实验室）；Alan Turing Institute（艾伦·图灵研究所）；Max Planck Institute for Intelligent Systems（马克斯·普朗克智能系统研究所）
Beyond Stationarity in Time Series: Discovering Causal Structures and Latent Regimes via Markov Blankets
Univ. Grenoble Alpes（格勒诺布尔大学）；CNRS（法国国家科学研究中心）；Grenoble INP（格勒诺布尔国立高等工程学院）；LIG（信息与信号处理实验室）；Sorbonne Université（索邦大学）；INSERM（法国国家健康与医学研究院）；Institut Pierre Louis d’Epidémiologie et de Santé Publique（皮埃尔·路易流行病学与公共卫生研究所）
Long-term Causal Effects Estimation via Latent Surrogates Representation Learning
School of Computer Science, Guangdong University of Technology（广东工业大学计算机学院）；School of Computing and Augmented Intelligence, Arizona State University（亚利桑那州立大学计算与增强智能学院）；Didi Chuxing（滴滴出行）
Generalized Independent Noise Condition for Estimating Causal Structure with Latent Variables
Beijing Technology and Business University（北京工商大学）；University of California San Diego（加利福尼亚大学圣迭戈分校）；Guangdong University of Technology（广东工业大学）；Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学）；Carnegie Mellon University（卡内基梅隆大学）
