实体
Causal Foundation Models
Causal Foundation Models
PulseAugur coverage of Causal Foundation Models — every cluster mentioning Causal Foundation Models across labs, papers, and developer communities, ranked by signal.
总计 · 30天
3
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
3
90 天内 3
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 3 条
-
新的因果基础模型将预训练网络应用于因果推断
一篇新论文介绍了因果基础模型（CFM）的概念，旨在将基础模型范式应用于因果推断。CFM 是预训练的神经网络，能够通过上下文学习（in-context learning）估计新数据集上的因果量，例如平均处理效应，而无需更新模型。该方法试图通过提供一种更通用、更适应性强的方法来简化传统的、定制化的因果推断流程。
-
因果基础模型利用上下文学习进行因果推断
研究人员引入了因果基础模型（CFM），该模型利用预训练的神经网络通过上下文学习来估计新数据集上的因果效应。这种方法无需进行微调，这与需要为每个问题定制管道的传统因果推断方法不同。CFM 旨在将基础模型范式（已在机器学习中普遍存在）引入因果推断领域，从而能够估计新数据集上的平均处理效应等数量。
-
新研究探讨因果推断和复杂数据类型的合成 · 跟踪8个来源
几篇新研究论文探讨了因果推断和数据合成的进展，特别是在表格和时间数据方面。其中一篇论文引入了一个基准框架，用于根据高阶结构因果信息评估表格合成模型，突出了当前最先进模型中的不足。另一项工作提出了“提升因果推断”，以利用参数因果因子图在关系域中高效计算因果效应。此外，研究调查了因果概率时间图中的估计-预测权衡，表明仅凭预测准确性可能无法完全反映模型对因果机制的理解。进一步的工作引入了可以结合领域知识的“因果基础模型”，以及一种用于时间依…