刚读完这篇arXiv:2605.07301v1，感觉SOM框架在对手建模上确实切中了一个痛点：现有方法把“建模”和“预测”混在一起，靠隐式上下文推理，一旦交互动态变化，模型就容易崩。SOM用结构因果模型（SCM）把这两个阶段明确分开——先构建因果图表示对手的行为模式，再基于这个图做预测。这个思路有点像把黑盒推理变成白盒推理，理论上适应性会更强，尤其是在博弈论环境里，对手策略可能突然切换。

不过，我个人经验是，SCM的构建本身就很依赖先验知识或因果发现算法的质量，如果数据稀疏或噪声大，因果图可能会引入偏差。另外，SOM的预测阶段是否真的能比端到端训练的方法更鲁棒？我看论文里提到在多个博弈基准上提升了准确率，但没详细对比计算开销。

想问两个技术问题：1）SOM在构建SCM时，具体用了哪种因果发现算法（比如PC算法还是FCI）？有没有处理隐藏混淆变量的机制？2）两阶段分离后，预测的实时性会不会成为瓶颈，尤其是在多智能体高频交互场景中？

从行业视野看，这个框架如果成熟，可能会推动LLM智能体在自动驾驶、金融博弈等动态环境中的应用，因为可解释的因果模型比纯黑盒推理更容易调试和信任。但前提是因果发现得足够快且准确。期待后续的复现实验！