Search

Tag: #causal-inference20 results

Vina AI 數據生成研究登上 Nature 期刊

Vina AI 成為首家登上 Nature 期刊的中國數據生成科創公司。該研究重點在於利用合成數據生成取代人工標註，並結合閉環反饋系統進行持續優化。

钛媒体Media•Jul 7#synthetic-data#data-annotation#causal-inference

ODYSSEY：用於構建可驗證基礎模型的範疇論框架

ODYSSEY 引入了一種範疇論框架，透過結構化的「鑄造廠」(foundries) 來構建能維護局部真實性的基礎模型。它利用通用鑄造廠學習 (UFL) 和 FSQL 來確保模型產出物具備可驗證性、模組化，並植根於因果邏輯。

ArXiv AIResearch•Jun 29#formal-verification#llm-safety#causal-inference

用於組合式 AI 的新型關係結構因果模型

這項研究引入了「關係結構因果模型」，使 AI 系統能夠在物體變化的環境中進行干預和反事實推理。該研究提供了一個正式框架，用於識別未見過場景中的因果查詢，並在模擬交通環境中超越了非關係型基準模型。

ArXiv AIResearch•Jun 16#causal-inference#combinatorial-ai#neural-networks

LLM 在因果推論上失敗；A-CBO 提供了解決方案

研究人員證明由於核心阻礙（kernel obstruction）的存在，LLM 在進行因果發現時存在根本性的限制。他們提出了 Agentic Causal Bayesian Optimization (A-CBO)，利用凍結的 LLM 作為干預預言機，在複雜的因果圖上實現了優於現有方法的表現。

ArXiv AIResearch•May 28#causal-inference#agentic-workflows

LLM 革新調查研究與缺失數據填補技術

研究人員開發了一套用於調查工作流程的五階段 LLM 框架，並推出了 A-TLM 模型，在災難相關數據集中表現優於傳統填補方法。研究證明，將 LLM 與因果知識圖譜結合可顯著降低偏差並提升數據品質。

ArXiv AIResearch•May 21#data-imputation#survey-research#causal-inference

PROMETHEUS：利用世界模型自動化深度因果研究

PROMETHEUS 是一個將非結構化研究數據、代碼和文獻轉化為可導航「因果地圖集」的新框架。它使研究人員能夠將局部因果主張整合為連貫的 Topos 世界模型，從而促進更好的證據追蹤與反事實測試。

ArXiv AIResearch•May 14#causal-inference#world-models#scientific-ai

反事實資料因果識別完整性結果

開發 CTFIDU+ 演算法，從第 3 層分佈識別反事實查詢，並證明其完整性。確立使用可實現反事實資料的精確因果推斷基本限制。推導非可識別反事實的緊密解析邊界，並以模擬驗證。

ArXiv AIResearch•Mar 2#causal-inference#counterfactuals#identifiability

全新因果推理基準測試發布

CausalReasoningBenchmark 是全新基準測試，包含來自 85 篇論文與 4 本教科書的 138 個真實世界資料集，共 173 個查詢。它分別評估因果識別（結構化規格）與估計（數值輸出）。基準 LLM 結果顯示高階策略成功率 84%，但完整識別規格僅 30%。

ArXiv AIResearch•Feb 25#causal-inference#llm-benchmark#causal-evaluation

多值因果關係的更精確界限

本文透過納入來自共變量與中介變數的因果資訊，推導多值因果概率的更精確界限。玩具範例與模擬研究顯示，所提出的界限優於現有的非二元界限。

ArXiv AIResearch•Aug 15#causal-inference