结构因果模型（SCM）提供了对观测、干预和反事实推理的统一概率框架。传统方法要么把 SCM 转换为其他可处理的表示，要么使用表达力强的生成模型进行近似推断。本文直接在 SCM 上进行消息传递，核心是把结构机制和概率密度映射到同一有限维函数空间。前向传播利用无意识统计定律（Law of the Unconscious Statistician）的数值实现，传播得到的矩通过样条投影恢复密度。相同的表示自然产生用于条件化的逆向消息传递，从而形成统一的因果推断框架。采用张量积 B‑样条基，算法仅需数值求积和线性代数操作，无需显式构造条件分布。实验在随机生成的连续 SCM 上进行，结果显示与 Monte Carlo 基准解的误差随基函数分辨率提升而系统下降。
点评：该方法在保持推断精度的同时，避免了高维条件分布的显式构造，展示了基函数逼近在因果推断中的潜力。