更改

<math>\max_{\phi_q,\hat{f}_{\phi_q},\phi_q^†,q} \mathcal{I}(\hat{f}_{\phi_q})</math>

<math>\max_{\phi_q,\hat{f}_{\phi_q},\phi_q^†,q} \mathcal{I}(\hat{f}_{\phi_q})</math>

<nowiki>其中[math]\displaystyle{ \mathcal{I} }[/math]是[[有效信息]]的度量。[math]\displaystyle{ \phi_q }[/math]是一种有效的粗粒化策略，[math]\displaystyle{ \hat{f}_{\phi_q}}[/math]是一种有效的宏观动力学，其中q是宏观态的维度，是一个超参。[math]\phi_q^{\dagger}[/math]是反粗粒化函数。这样，NIS的数学框架需要在所有可能的有效策略和动力学中优化粗粒化策略和宏观动力学。</nowiki>

其中[math]\displaystyle{ \mathcal{I} }[/math]是维度平均有效信息的度量（参考[[有效信息]]）；[math]\displaystyle{ \phi_q }[/math]是一种有效的粗粒化策略；[math]\displaystyle{ \hat{f}_{\phi_q}}[/math]是一种有效的宏观动力学，其中q是宏观态的维度，是一个超参；[math]\phi_q^{\dagger}[/math]是反粗粒化函数。这样，NIS的数学框架需要在所有可能的有效策略和动力学中优化有效信息。

该定义与[[近似因果模型的抽象]]<ref name=":1">Beckers, S.; Eberhardt, F.; Halpern, J.Y. Approximate Causal Abstraction. arXiv 2019, arXiv:1906.11583v2.</ref>存在许多相似之处。

该定义与[[近似因果模型的抽象]]<ref name=":1">Beckers, S.; Eberhardt, F.; Halpern, J.Y. Approximate Causal Abstraction. arXiv 2019, arXiv:1906.11583v2.</ref>存在许多相似之处。