English(EN) Regret-Based Federated Causal Discovery with Unknown Interventions

联邦因果发现算法应对未知干预

作者 PulseAugur 编辑部 · [1 个来源] · 2026-06-01 04:00

研究人员开发了一种新的联邦学习算法 I-PERI，以解决去中心化数据设置中的因果发现挑战。该算法旨在处理不同客户端可能具有影响其数据的独特、未知干预的情况。I-PERI 旨在通过识别和利用跨客户端的这些由干预引起的结构差异来恢复更精确的因果图，并提供关于收敛性和隐私的理论保证。 AI

影响增强了去中心化人工智能系统中的因果推理能力，可能提高模型的鲁棒性和可解释性。

排序理由该集群包含一篇详细介绍新因果发现算法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Federico Baldo, Charles K. Assaad · 2026-06-01 04:00

基于后悔的联邦因果发现与未知干预

arXiv:2512.23626v2 Announce Type: replace Abstract: Most causal discovery methods recover a completed partially directed acyclic graph representing a Markov equivalence class from observational data. Recent work has extended these methods to federated settings to address data dec…