연구진이 다양한 원인 메커니즘 환경에서 인과 관계 발견을 위한 새로운 기반 모델 'DAG-FM'을 제안했어요. DAG-FM은 두 개의 트랜스포머 기반 모듈을 활용해 인과 관계 발견 과정을 자동화하고, Mixture-of-Leaf-Experts(MoLE)를 통해 다양한 원인 메커니즘에 적응해요.
DAG-FM은 기존 방식보다 정확하고 확장성이 뛰어나, 합성 벤치마크와 실제 데이터셋에서 기존 알고리즘과 기반 모델을 능가하는 성능을 보여줬어요.
DAG-FM은 잎 노드 예측기와 부모 노드 예측기를 사용해 인과 관계 순서를 추출하고 유효한 DAG를 구성하며, 복잡한 행-열 상호작용을 모델링하는 데 효과적이에요.