InfluenceField：一种具有干预可识别因果结构的可微场，用于多模态世界建模
TLDR
InfluenceField提出干预感知可微潜在场，预测局部干预效应并恢复因果结构，在CausalVQA上提升13.1个百分点。
评分理由
The paper provides strong theoretical identifiability guarantees and demonstrates substantial accuracy gains on CausalVQA with structural controls. However, the abstract omits detailed ablation results and broader real-world deployment evidence, limiting assessment of generalizability.
Read-first 评分解释
综合优先阅读分 34.6，由主题、引用、图谱、方法、可复现性和近期性等信号加权得到。 原始总分保留为 35。
研究版图角色
前沿论文方法锚点
排序敏感性
稳定性：volatile；排名波动范围：339。
关键词评分
深度分析
创新点
- 提出InfluenceField，一种插入在视觉编码器和语言解码器之间的干预感知潜在场；它将patch特征提升为连续空间表示，通过共享转移算子多步传播有向影响，并预测局部干预效应。
- 定义了联合训练目标，结合语言建模、跨环境不变性、反事实推演监督和结构正则化。
- 针对非线性有限基总体模型给出了理论可识别性结果：目标对齐的干预监督加上一步分离条件将表示限制为位置内重参数化，并精确恢复有向依赖图。
- 给出了线性特化，包括精确的部分覆盖刻画和有限损失稳定性界，并对空间系数干预轮廓进行了场分析，得到共享通道校准结果。
- 在CausalVQA上展示了显著的实证提升；容量匹配基线和结构对照表明，提升来自因果目标而非增加的容量。
方法
InfluenceField被插入在视觉编码器和语言解码器之间，将patch特征提升为连续空间潜在场；共享转移算子在其中多步传播有向影响并预测局部干预效应。训练联合优化语言建模、跨环境不变性、反事实推演监督和结构正则化。该方法在CausalVQA上与骨干模型、容量匹配基线和结构对照进行比较评估，并在非线性有限基总体和线性设定中分析理论性质。
关键结果
在CausalVQA上，InfluenceField相比其骨干模型将总体准确率提升13.1个百分点，其中规划类和假设类类别提升最大。容量匹配基线和结构对照表明，鲁棒性和事实-反事实一致性的提升归因于因果目标而非增加的容量；可识别性分析显示，在所述条件下可精确恢复有向依赖图。