PulseAugur
中
实时 22:01:45
实体 Causal Uncertainty-guided Representation Learning

Causal Uncertainty-guided Representation Learning

PulseAugur coverage of Causal Uncertainty-guided Representation Learning — every cluster mentioning Causal Uncertainty-guided Representation Learning across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
1
90 天内 1
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 1
层级分布 · 90 天
主题
情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条
  1. RESEARCH · CL_171888 ·

    新的CURL方法利用LLM改进处理效应估计

    研究人员开发了CURL（因果不确定性引导表征学习），这是一种新颖的适配器，旨在增强异质性处理效应的估计。该方法利用估计量的不确定性，将大型语言模型（LLM）的预训练语义能力整合到估计不稳定的领域。CURL使用一个固定的LLM，通过特定提示查询它，为分配和异质性创建表征，然后通过单独的路径进行处理。四个基准的实证结果表明，CURL提高了十种不同宿主学习模型的性能。