实体
CausalPFN
CausalPFN
PulseAugur coverage of CausalPFN — every cluster mentioning CausalPFN across labs, papers, and developer communities, ranked by signal.
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 2 条
-
LLM生成的因果先验可提升推理模型性能
研究人员开发了一个新的框架，用于在机器学习模型中选择因果先验，特别是针对摊销因果推理任务。该框架称为闭环先验选择，它使用大型语言模型（LLMs）生成候选因果图，然后根据在真实数据上的性能优化选择过程。实验表明，使用此方法在一个关键评估领域中性能显著提高了2.75倍，优于未注入先验的模型。
-
新的基础模型通过学习到的可靠性提升了时序因果发现能力
研究人员推出了一种新颖的基础模型——时序因果先验-数据拟合网络（TCPFN），专为零样本时序因果发现而设计。该模型通过处理时序动态、时变处理和未观测混淆因素，解决了现有方法的局限性，同时在因果效应估计的同时提供了学习到的可靠性信号。TCPFN 包含一个因果判断头，用于预测各种因果属性，以及一个涵盖六种因果模式的混合训练先验。它在基准数据集上展示了具有竞争力的性能，并具有工业应用的可扩展性。