我们介绍了不变风险最小化（Invariant Risk Minimization, IRM），这是一种学习范式，旨在估计多个训练分布之间的不变相关性。为了实现这一目标，IRM 学习一种数据表示方法，使得在这种数据表示基础上的最优分类器在所有训练分布中都保持一致。通过理论分析和实验验证，我们展示了 IRM 学到的不变性如何与数据的因果结构相关联，并促进模型在未见分布上的泛化能力。