基本信息

---

下载

文档摘要

---

基于因果感知的无偏见合成数据集生成方法研究

摘要

人工智能模型在面对训练数据中的偏差时，往往难以准确泛化到新场景，尤其是

当数据分布在时间或环境中发生变化时，原有模型可能会产生错误预测，从而影响其

鲁棒性。现有的合成数据集生成方法主要依赖于统计特性，而忽略了因果结构，导致

生成的数据可能无法真实反映变量间的潜在因果关系。因此，基于因果感知的合成数

据生成方法能够更有效地刻画输入与输出之间的因果关系，从而减少偏差，提高数据

的公平性和有效性。为了实现因果感知，本研究首先学习数据的因果结