跨环境泛化
通过因果子图干预生成反事实样本，消除虚假相关性，使异常检测模型在分布外环境下保持鲁棒。
Xiao, Chunjing · 徐增 · Lei, Yue · Kunpeng, Zhang · Siyuan, Liu · Zhou F.
IEEE Transactions on Knowledge and Data Engineering 2023
通过因果子图干预消除虚假相关性，模型学习到可迁移的因果表示，在分布偏移下仍能保持高性能。
模型学到的因果表示对噪声和虚假相关性不敏感，从而提升了在实际场景中的可靠性。
模型只需少量异常标注样本就能学习跨环境的可迁移因果表示，降低了数据标注成本。