JMLR

The Causal Uncertainty Principle: Manifold Tearing and the Topological Limits of Counterfactual Interventions

因果不确定性原理：流形撕裂与反事实干预的拓扑极限

Rui Wu, Hong Xie, Yongjun Li

机构 * University of Science and Technology of China（中国科学技术大学） 纠错

AI总结 本文探讨了反事实干预的几何挑战，提出了反事实事件地平线和流形撕裂定理，建立了因果不确定性原理，并引入了Geometry-Aware Causal Flow算法。

Comments 33 pages, 6 figures. Submitted to the Journal of Machine Learning Research (JMLR)

Cohomological Obstructions to Global Counterfactuals: A Sheaf-Theoretic Foundation for Generative Causal Models

上同调障碍与全局反事实：一种基于层论的生成因果模型基础

Rui Wu, Hong Xie, Yongjun Li

机构 * School of Management, University of Science and Technology of China（管理学院，中国科学技术大学） ； School of Computer Science and Engineering, University of Science and Technology of China（计算机科学与工程学院，中国科学技术大学） 纠错

AI总结 本文基于层论构建生成因果模型，揭示因果图非平凡同调导致的上同调障碍，并提出熵正则化和熵沃尔什因果层拉普拉斯方程，实现高维数据反事实导航。

Comments 34 pages, 5 figures. Submitted to JMLR