CausalVAE 作为世界模型的插件：迈向可靠的反事实动态

在这项工作中，CausalVAE 作为潜在世界模型的插件结构模块引入，并附加到不同的编码器转换主干上。在报告的基准中，添加插件后，竞争性事实预测得以保留，干预感知的反事实检索得到改善，这表明在分布转移和干预下具有更强的鲁棒性。最大的增益是在物理基准上观察到的：当对 8 个配对基线进行平均时，CF-H@1 提高了 +102.5%。在物理学的代表性 GNN-NLL 设置中，CF-H@1 从 11.0 增加到 41.0 (+272.7%)。通过因果分析，学习到的结构依赖性可以恢复有意义的一阶物理交互趋势，支持学习到的潜在因果结构的可解释性。