近日，国际机器学习顶级会议ICML 2026录用结果公布，来自中国科学院大学人工智能学院的一篇高水平论文成功入选。ICML全称为国际机器学习会议（International Conference on Machine Learning），是人工智能和机器学习领域最具影响力的国际学术会议之一，被中国计算机学会列为CCF-A类推荐国际学术会议。
该论文第一作者为我院2023级硕士研究生袁玮同学，通讯作者为中国科学院计算技术研究所王树徽研究员。
以下为论文题目及摘要：
题目：Global Directional Priors with Local Statistical Validation for Scalable Causal Discovery
作者：袁玮、邵子轩、王树徽（通讯作者）
论文摘要：基于约束的因果发现方法依赖于条件独立性（CI）测试，然而随着条件集规模的增大，特别是在具有中心节点（hub）主导的图中，这些测试的可靠性会显著下降。现有方法主要对邻接关系或全局结构进行约束，但未能有效控制条件集的维度。在本文中，我们提出了序约束马尔可夫毯发现方法（Ordering-Constrained Markov Blanket discovery, OCMB），这是一种将条件集维度作为首要约束的范式。OCMB将因果发现解耦为两个阶段：第一阶段进行轻量级的全局序估计，提供方向性先验；第二阶段在较小的、满足序约束的候选集内进行局部马尔可夫毯验证。通过在任意CI测试之前就强制执行方向性约束，OCMB即使在存在中心节点的图中也能保证条件集的规模有界。论文证明，只要满足高召回率的排序假设，OCMB就能正确恢复父节点集合，且无需排序全局正确。实验表明，在传统基于CI的方法失效的高维环境中，OCMB显著提高了精度和鲁棒性。
论文链接：https://icml.cc/virtual/2026/poster/65568
论文插图：
图文/袁玮
