本論文では、因果モデルの洗練と新しい治療法の設計等の下流タスクを改善するために、因果知識とメカニズムの統合が不可欠であることを説明しています。著者らは、因果発見における新しい概念「介入制約」を提案し、これは介入データとは根本的に異なるものです。介入データが変数の直接的な摂動を必要とするのに対し、介入制約は因果効果に関する不等式の形で高次の因果知識を符号化します。論文は、実際のデータセットを用いてアプローチを評価し、介入制約を組み込むことでモデルの精度が向上し、既存の発見と一貫性を保ちながら説明可能性を高めることができることを示しています。さらに、これにより新たな因果関係の発見が促進されることが確認されています。