Dong 與 Gao 於 2025 年在 IEEE Transactions on Pattern Analysis and Machine Intelligence 發表 EEMBI，提出將內生變項與外生變項的馬可夫毯交集用於因果結構探索，並提出 EEMBI-PC 版本。研究嘗試結合貝葉斯網路與結構因果模型的特性，以移除不相關連結並恢復因果結構。這是較新的因果探索應用，但任何「狀態最佳」的主張都應連同其資料生成假設、識別條件與實驗設計一起閱讀。
思與行
- 讀此類方法論論文時，分清理論可識別性、演算法表現與真實世界因果主張三個層次。
- 追蹤演算法在不同樣本數、噪音、隱藏混雜與連續資料下的敏感度。