速報
PLOT：以最佳傳輸定位神經網路中的因果變數
因果抽象嘗試把高階因果模型與神經網路的低階運算對齊，但事前不知道哪些神經位點能作為介入句柄，逐一搜尋代價高。本文提出PLOT（Progressive Localization via Optimal Transport），以最佳傳輸配對抽象變數與候選神經位點，產生全域軟性對應並校準為可用的介入句柄。
速報
因果抽象嘗試把高階因果模型與神經網路的低階運算對齊，但事前不知道哪些神經位點能作為介入句柄，逐一搜尋代價高。本文提出PLOT（Progressive Localization via Optimal Transport），以最佳傳輸配對抽象變數與候選神經位點，產生全域軟性對應並校準為可用的介入句柄。
深度分析
本文提出一套將因果抽象（causal abstraction）從單一整體分數轉為具體診斷的做法。核心在於以成對交換介入（interchange interventions）為基礎，把輸入空間劃分為「高忠實度」的目標分桶與補集失效區，並以分類器將診斷結果外推。