ReRoute
一种用于科学反事实预测的机器学习框架，通过结合事实数据与部分机制性知识，无需受控干预数据即可实现可靠的what-if预测，并提供因果可识别性理论保证
Timeline (last 90 days)
ReRoute是arXiv论文提出的框架，通过将事实数据与部分机制性知识结合，实现针对性的科学what-if预测，而无需任何受控干预数据来做适配
ReRoute的操作逻辑是：将预训练骨干模型中被查询的输入固定为参考值，通过已知的机制性通路重新引入该输入的变化，并在原始事实数据上进行微调
ReRoute论文为其构造提供了因果可识别性的理论结果，在明确的结构性假设下成立
ReRoute论文的核心论证通过Lean形式化证明工具进行了机器验证
ReRoute首先在对流-扩散系统上测试，并实现了高度准确的反事实预测
在留出的耦合气候干预测试中，面对严重的CO₂分布偏移，ReRoute将气候总误差降低了18.2%到31.8%，同时在标准条件下保持原有预测能力
实现ReRoute效果的代价仅相当于在额外受控模拟上重训练模型成本的一小部分，且不含生成受控数据本身的开销
在基于历史ERA5再分析数据训练的模拟器上，固定CO₂的反事实设定下ReRoute能保留观测边界条件隐含的更多地表增暖信号，表现优于基线
ReRoute的有效性依赖于已知机制性通路和明确的结构性假设，当机制知识不完整或假设被违背时方法边界仍待后续研究厘清
All Facts (9)
ReRoute是arXiv论文提出的框架，通过将事实数据与部分机制性知识结合，实现针对性的科学what-if预测，而无需任何受控干预数据来做适配
50%UnverifiedReRoute的操作逻辑是：将预训练骨干模型中被查询的输入固定为参考值，通过已知的机制性通路重新引入该输入的变化，并在原始事实数据上进行微调
50%UnverifiedReRoute论文为其构造提供了因果可识别性的理论结果，在明确的结构性假设下成立
50%UnverifiedReRoute论文的核心论证通过Lean形式化证明工具进行了机器验证
50%UnverifiedReRoute首先在对流-扩散系统上测试，并实现了高度准确的反事实预测
50%Unverified在留出的耦合气候干预测试中，面对严重的CO₂分布偏移，ReRoute将气候总误差降低了18.2%到31.8%，同时在标准条件下保持原有预测能力
50%Unverified实现ReRoute效果的代价仅相当于在额外受控模拟上重训练模型成本的一小部分，且不含生成受控数据本身的开销
50%Unverified在基于历史ERA5再分析数据训练的模拟器上，固定CO₂的反事实设定下ReRoute能保留观测边界条件隐含的更多地表增暖信号，表现优于基线
50%UnverifiedReRoute的有效性依赖于已知机制性通路和明确的结构性假设，当机制知识不完整或假设被违背时方法边界仍待后续研究厘清
50%