MDP 的状态爆炸，有人试着用因果关系切一刀

2026年7月30日

做决策模型的人，不管搞的是机器人、游戏 AI 还是供应链调度，大概率都被同一个东西卡过喉咙：状态空间爆炸。状态变量一多，组合数直接指数往上翻。MDP（马尔可夫决策过程）漂亮是漂亮，但经常"漂亮但不跑得动"。

arXiv 上刚挂出一篇新论文，标题很长——"Property-driven Causal Abstractions for Markov Decision Processes"——核心思路一句话能说清：用因果关系来决定哪些状态可以压缩、哪些必须保留，压缩完还能算出接近最优的策略。

论文来自一组欧洲和英国的研究者，包括做形式化方法的人都知道的 David Parker。他们把一个直觉推成了可操作的方法：对 MDP 关心的属性不同，需要保留的因果结构就不同。比方说，只在乎"能不能最大概率到达某个目标状态"，那有些状态变量的变化根本不影响这个概率——它们就是可以砍掉的。

问题是，怎么系统性地判断"不影响"？靠相关性不够。两个变量相关不代表一个导致另一个。这个团队走得更深，直接在因子化 MDP 上定义了因果结构——基于 state variable predicates（状态变量谓词）之间的因果关系，然后识别出那些"对某个属性的满足或违反，拥有相同原因"的状态组，把它们合并成一个抽象状态。结果就是一个缩小的 MDP，或者区间 MDP，甚至是对手参与的随机博弈——取决于用哪种形式。

这个思路很实用的一点是：不追求保全部，只保关心的那个属性。抽象可以做得比较狠。论文的标准测试例子跑下来，他们拿到了很小的抽象模型，用这些抽象模型算出来的策略，在原版大 MDP 上能跑出接近最优的表现。他们还提到这些因果抽象经常能直接迁移到相关的更大规模 MDP 上——为一个小问题算出来的因果结构，可能可以直接套到一个更大的同类问题上。

用因果抽象做 MDP 压缩不是第一次出现，但这篇把它推到了前面，替代了数值近似。对一线做决策模型的人来说，这意味着一种新思路去对付那个老问题：当你模型大到没法直接求解时，能不能先搞清楚哪些变量真正有因果影响力，然后该砍的砍、该留的留。

这篇目前还是 arXiv 上的工作，代码和工具链还没走到开箱即用的阶段。因果抽象本身也有成本——算因果结构不是免费的，尤其当状态谓词多起来之后。但它的方向很清楚：在推模型之前，先推因果。

对做决策优化、尤其是搞大规模 MDP 的人来讲，这篇值得翻一翻。算不上即插即用的工具发布，更可能是下一波抽象方法的起点。

相关链接

论文页面：https://arxiv.org/abs/2607.26787
PDF：https://arxiv.org/pdf/2607.26787
HTML 版：https://arxiv.org/html/2607.26787v1
许可：CC BY 4.0