Jev als Bewerter kausaler Graphen: Vorab berechnete Statistiken machten den Unterschied

Sechs Autoren der Guangdong University of Technology haben am 28. Oktober 2026 auf arXiv einen Preprint mit dem Titel CausalGrade veröffentlicht. S79 Er geht der Frage nach, wie sich mehrere Kandidaten für einen kausalen Graphen vergleichen lassen, also Schemata, welche Variable welche direkt beeinflusst, wenn niemand den richtigen Graphen kennt. Jev bekommt dabei nicht die ganze Aufgabe auf einmal. Das Modell beantwortet viele kleine Ja/Nein-Fragen, und Code führt die Ergebnisse zusammen. S79 Genau diese Arbeitsteilung ist auch außerhalb der Kausalitätsforschung nützlich. Es handelt sich um einen Preprint ohne Begutachtung; der Artikel stützt sich auf den vollständigen Text.

Wie das Verfahren aufgebaut ist

Für jedes geordnete Variablenpaar fragen die Autoren Jev, ob die erste Variable eine direkte Ursache der zweiten ist. Die Frage stellen sie über Noul, das eine Zahl zwischen 0 und 1 zurückgibt. S79 Die Dokumentation von TypeSafe beschreibt eine Noul-Antwort als Wahrscheinlichkeit, dass die Antwort Ja lautet; 0 bedeutet Nein und 1 Ja. S05 In allen Versuchen verwendeten die Autoren die Version jev-1.13.0. S79

In den Kontext jeder Frage fließen zwei Arten von Belegen. Die erste ist eine statistische Übersicht der Daten, die Code vorab berechnet: deskriptive Statistiken und der Anteil fehlender Werte, Korrelationen, Tests auf bedingte Unabhängigkeit sowie Hinweise auf die Richtung eines Zusammenhangs aus Regressionen in beide Richtungen. Die zweite ist eine Matrix von Kantenwahrscheinlichkeiten aus einem vortrainierten Modell zur Erkennung kausaler Zusammenhänge, das die Autoren CDFM nennen. S79 Der bewertete Graph selbst ist nicht Teil der Frage. Alle Kandidaten auf denselben Daten erhalten deshalb dieselbe Antwortmatrix. S79

Der Score eines Graphen ist dann eine einfache Summe im Code. Für jedes Paar, bei dem der Graph eine Kante hat, wird die Antwort von Jev addiert, und wo er keine hat, eins minus diese Antwort. Das Ergebnis entspricht der erwarteten Zahl korrekt markierter Paare. S79 Es ist dasselbe Prinzip, das wir im Artikel zur zusammengesetzten Bewertung beschreiben: Das Modell beantwortet Teilfragen, Gewichte und Summe bleiben im Code.

Was die Zahlen zeigten

Bei 500 synthetischen Aufgaben sollte jeweils der beste von fünf Kandidaten gewählt werden. CausalGrade traf den besten Graphen in 54,4 % der Aufgaben, die Vergleichsmethode κG in 48,4 % und die CDFM-Wahrscheinlichkeiten allein in 19,6 %. S79 Auf dem realen Datensatz Light erreichte das Verfahren 96,75 % gegenüber 78,0 % bei κG, auf dem Datensatz Sachs 66,5 % gegenüber 63,5 %. S79 Der Vorsprung war also nicht überall gleich groß.

Der Score folgte außerdem der tatsächlichen Qualität der Graphen enger als die CDFM-Matrix, und zwar bei Graphen aus allen vier untersuchten Algorithmen. Bei DirectLiNGAM war der Unterschied nur gering: eine Spearman-Korrelation von −0,523 gegenüber −0,512. S79

Am aufschlussreichsten ist die Ablation. Als die Autoren die statistische Übersicht aus der Eingabe entfernten, sank die Trefferquote von 54,4 % auf 18,8 %. Ohne die CDFM-Matrix blieb sie bei 53,8 %. S79 Den Großteil des Gewinns brachte laut den Autoren die vorab erstellte Übersicht; die CDFM-Matrix war nur ein ergänzender Beleg. S79

Wo die Grenzen liegen

Die Autoren weisen selbst darauf hin, dass die Kandidaten aus verschiedenen Schwellenwerten auf derselben Matrix entstanden und sich daher vor allem in der Zahl der Kanten unterschieden. Ein Teil der Verbesserung könnte deshalb daher rühren, dass der Score dünnere Graphen bevorzugt, und nicht aus einer genaueren Unterscheidung einzelner Kanten und ihrer Richtung. S79 Die Ablation zeigt nicht, welche Diagnose am meisten hilft, und auch nicht, ob der Gewinn aus der Information selbst oder aus ihrer Anordnung stammt. Bei einer kleinen Datenstichprobe kann das Verfahren auch echte Kanten entfernen. Die Auswertung stützt sich auf synthetische Daten und zwei reale Systeme mit fünf Kandidaten pro Aufgabe. S79 Der Preprint nennt weder Tokenzahlen noch Geschwindigkeit oder Kosten. S79

Was Entwickler und Onlineshops daraus mitnehmen können

Ein gewöhnlicher slowakischer Onlineshop wird sich nicht mit kausalen Graphen befassen. Übertragbar ist jedoch die Arbeitsteilung, die der Preprint zeigt. Code berechnete die Zahlen, und Jev erhielt eine fertige, strukturierte Übersicht statt roher Tabellenzeilen. Ohne diese Übersicht war die Auswahl deutlich schlechter. S79 Das entspricht den Empfehlungen der Dokumentation zu Noul: eine Bedingung pro Frage, mehrere Fragen im Code kombinieren und unterstützende Daten in strukturierten Anweisungen senden. Mehrere Noul-Fragen in einer Anfrage laufen parallel. S05

Wie das in der Praxis aussehen könnte, ist unser eigener Vorschlag und kein Ergebnis des Preprints. Möchte ein Onlineshop abschätzen, ob Rücksendungen eines bestimmten Produkts mit einem Mangel zusammenhängen, kann Code zuerst die Rücksendequote, die Zahl der Reklamationen und die häufigsten Gründe berechnen. Jev erhält dann diese Übersicht und kurze Ja/Nein-Fragen, und die resultierenden Wahrscheinlichkeiten verarbeitet wieder Code. Anders als der Preprint, der direkt mit den rohen Wahrscheinlichkeiten arbeitet, schlägt die Dokumentation für Entscheidungen über einzelne Fälle vor, mit Schwellenwerten von 0,7 und 0,3 zu beginnen und Werte dazwischen an einen Menschen zu übergeben. S05 Wie sich Noul von Choice- und Score-Fragen unterscheidet, erklärt der Leitfaden Choice, Score und Noul.

Ein größerer Kontext hat auch seinen Preis. Eingabe-Token kosten 0,042 USD pro Million, die Ausgabe ist kostenlos. S01 Jede zusätzliche Übersicht vergrößert also den bezahlten Teil der Anfrage, und bei Dutzenden Fragen pro Fall lohnt sich vorab ein Blick auf Preise und Limits.