Search

Tag: #causal-inference20 results

用於網路實體物聯網系統的物理啟發式歸因框架

這項研究引入了一種新穎的框架，利用基於能量的表示法來解釋複雜網路實體系統中的 AI 決策。透過在無需定向因果圖的情況下對變數依賴關係進行建模，它為解釋系統行為提供了一種更具擴展性且穩健的方法。

ArXiv AIResearch•Jul 8#explainable-ai#iot-security#causal-inference

用於穩健預測模型的反因果領域泛化研究

Apple 研究人員探討了在結果導致協變量的反因果設定下的領域泛化問題。此方法即使在標記數據稀缺的情況下，也能提高模型對分佈偏移的穩健性。

Apple Machine LearningOfficial•Jul 2#causal-inference#robust-ai

整合因果推論與強化學習

本文介紹了因果強化學習 (CRL)，這是一個連結因果推論與強化學習的框架。透過將環境建模為結構因果模型，使代理程式能夠進行反事實推理並更有效地優化策略。

ArXiv AIResearch•Jun 25#causal-inference#ai-theory

ForecastBench-Sim：模擬世界預測基準測試

ForecastBench-Sim 是一個用於 AI 預測的新基準測試，利用 Freeciv 遊戲模擬來克服現實世界的數據限制。它使研究人員能夠針對動態、可立即解析且具反事實性的場景測試 AI 的機率推理能力。

ArXiv AIResearch•Jun 18#benchmarking#simulation#causal-inference

透過因果狀態干預控制人類決策結果

本研究提出人類行為變異性源於動態潛在狀態，並認為透過在決策形成時干預此狀態，可精確控制行為結果。研究利用 20 萬名用戶長達 24 個月的數據，證實人類行為具有因果性且受狀態影響。

ArXiv AIResearch•May 28#behavioral-ai#causal-inference#personalization

ProbLog 中 SWIPs 實現高效反事實推理

提出單世界干預程序 (SWIPs)，透過轉換 ProbLog 程序實現高效反事實推理，簡化為邊際推斷。相較現有方法推斷時間減少 35%，在較弱獨立性假設下證明正確，符合結構因果模型分佈。開源程式碼在 GitHub 上提供。

ArXiv AIResearch•Mar 24#causal-inference

多層級因果嵌入框架

介紹因果嵌入作為因果模型抽象的泛化，允許多個詳細模型映射到較粗模型的子系統，同時保留因果關係。定義廣義一致性概念及多解析度邊際問題，連結統計與因果邊際議題。展示在合併不同表示模型資料集的實用性。

ArXiv AIResearch•Feb 27#causal-inference#model-abstraction#causal-embeddings

CausalAgent: Conversational Causal Inference

CausalAgent is a multi-agent system automating end-to-end causal inference via natural language. Integrates MAS, RAG, and MCP for data cleaning to report generation. Lowers barriers with interactive visualizations for non-experts.

ArXiv AIResearch•Feb 13#research#arxiv#causalagent