提出了一种名为CausalTimePrior的框架，用于生成配对的观察性和干预性时间序列的合成时间结构因果模型（TSCMs）。该框架解决了现有时间序列基准缺乏干预数据的问题，现有基准虽然能够生成具有真实因果图的观察数据，但无法提供训练因果基础模型所需的干预数据。CausalTimePrior支持可配置的因果图结构、非线性自回归机制、状态切换动态以及多个干预目标的生成，旨在推动因果推断在时间序列数据...