English(EN) Spatiotemporal Proximal Causal Inference under Hidden Confounding and Interference

新研究探索时空数据的先进因果推断 · 已追踪 2 个来源

作者 PulseAugur 编辑部 · [2 个来源] · 2026-08-04 04:00

两篇新研究论文探讨了用于复杂时空数据的先进因果推断技术。第一篇论文介绍了一个时空近因因果推断框架，用于解决隐性混淆和干扰问题，并利用基于 Transformer 的编码器进行代理学习。第二篇论文提出了大型因果模型 (LCMs) 作为时间因果发现的基础模型范式，证明了这些预训练的神经网络架构可以有效地扩展到更高的变量数量，并保持强大的性能，尤其是在分布外设置中。 AI

影响这些论文推动了因果推断的基础研究，有可能提高 AI 理解和预测复杂系统的能力。

排序理由两篇发表在 arXiv 上的学术论文，详细介绍了因果推断的新方法。

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。我们如何撰写摘要 →

报道来源 [2]

arXiv cs.LG TIER_1 English(EN) · Omar Faruque, Pavan Raj Ravi, Jianwu Wang · 2026-08-04 04:00

Spatiotemporal Proximal Causal Inference under Hidden Confounding and Interference

arXiv:2608.01352v1 Announce Type: new Abstract: Estimating causal effects from real-world spatiotemporal data is challenging due to hidden confounders and interference. Standard causal identification methods assume conditional exchangeability given observed covariates, which fail…
arXiv cs.LG TIER_1 (CA) · Nikolaos Kougioulis, Nikolaos Gkorgkolis, MingXue Wang, Bora Caglayan, Dario Simionato, Andrea Tonon, Ioannis Tsamardinos · 2026-08-04 04:00

Large Causal Models for Temporal Causal Discovery

arXiv:2602.18662v2 Announce Type: replace Abstract: Causal discovery for both cross-sectional and temporal data has traditionally followed a dataset-specific paradigm, where a new model is fitted for each individual dataset. Such an approach limits the potential of multi-dataset …

报道来源 [2]

Spatiotemporal Proximal Causal Inference under Hidden Confounding and Interference

Large Causal Models for Temporal Causal Discovery

相关实体

相关话题