某中心研究团队宣布开源基于图形因果模型（GCM）的机器学习算法，这些算法是多年研究的成果。新功能突破了传统效应估计的局限，可执行包括异常根因分析、分布变化溯源、因果结构学习等复杂查询。该技术已应用于从供应链到云服务的多个内部场景。

在与某机构的合作中，双方共同创建了PyWhy开源组织，并将算法整合至流行的因果分析库DoWhy。图形因果模型采用因果图形式化表示变量间的因果关系，每个变量的因果机制可通过概率模型训练获得。核心创新在于基于Shapley值的分布变化归因方法，能识别微服务架构中导致延迟的缺陷组件。

除效应估计外，该框架还能计算干预效果、反事实估计及节点内在影响。PyWhy组织旨在构建统一的因果机器学习开源生态，通过标准化API连接不同因果任务工具。研究人员可访问py-why.github.io查看GCM功能详情，或通过GitHub参与贡献。