可识别性

类比学习：面向组合泛化的因果框架

Learning by Analogy: A Causal Framework for Compositional Generalization

该论文提出的层级因果数据生成过程与可识别性理论，为视觉生成模型（如扩散模型）实现组合泛化提供了可证明的潜变量结构设计原则，可指导构建能重组已知概念生成新场景的生成器。