Spatio-Temporal Graphical Counterfactuals: An Overview

反事实思考是人工智能从数据中学习知识并最终改善在新场景下表现的一个至关重要但具有挑战性的主题。许多研究工作，包括潜在结果模型和结构因果模型，已被提出来实现它。然而，它们的建模、理论基础和应用方法通常是不同的。此外，缺乏一种图形方法来推断时空反事实，考虑多个单位之间的空间和时间交互作用。因此，在这项工作中，我们的目标是调查比较和讨论不同的反事实模型、理论和方法，并进一步建立一个统一的图形因果框架来推断时空反事实。

研究不同反事实模型、理论和方法，并构建统一的图形因果框架来推断时空反事实。

构建统一的图形因果框架，推断时空反事实。

论文比较和讨论了不同的反事实模型、理论和方法，并提出了一个新的图形方法来推断时空反事实。实验使用了多个数据集，但没有开源代码。

最近的相关研究包括潜在结果模型和结构因果模型。