Causal Structure Discovery

新的基础模型推动非结构化数据的因果发现 · 跟踪了 6 个来源

研究人员正在开发从非结构化数据中进行因果发现的先进方法，这是一项在医疗保健和金融等专业领域复杂的任务。两篇论文介绍了基础模型：DKCD 通过整合领域知识来识别潜在因素和提高标注准确性，从而增强因果发现；而 DAG-FM 和 CDFM 提出了通用的基础模型，它们利用 Transformer 架构和变分框架来处理异构因果机制并扩展到大型数据集。另一篇论文 IFAR 专注于 LLM 的多视角、多层次溯因推理，在识别污染和疾病原因方面取得了显著改进。