연구진은 관측 데이터로부터 인과 구조를 추론하는 인과 발견 과정을 위한 범용 프레임워크인 Causal Discovery Foundation Model (CDFM)을 제안했어요.
CDFM은 이론적 경계를 조사하여 인과적 사전 메커니즘의 역할을 밝히고, 불확실한 인과 메커니즘을 잠재 변수로 처리하는 변분 프레임워크를 구축했어요.
CDFM은 방대한 합성 구조 인과 모델 데이터셋으로 사전 훈련하여 복잡한 통계적 비대칭성을 내부화하고, 기존 알고리즘을 능가하는 성능을 보여줘요.