synthetic-benchmark

本文评估了马尔可夫边界在表格预测中的实际效果，发现尽管理论上最优，但由于计算限制和优化目标不匹配，当前的因果发现方法无法持续提升预测性能。

探究视觉-语言模型中的空间表征，揭示了一个普遍存在的偏差：模型将图像中的垂直位置与距离混为一谈，并引入了 SpatialTunnel 合成基准来暴露这一捷径；研究发现，更好的解耦空间表征能提升模型的鲁棒性。