causal dependencies | BriefGPT

关键词causal dependencies

搜索结果 - 10

CaT-BENCH: 基准测试计划中因果和时间依赖的语言模型理解能力
通过引入 CaT-Bench 基准测试评估 LLMs 对步骤之间的因果依赖关系的理解能力，研究发现 LLMs 在此方面仍有改进空间。
PDF12 days ago
CFGs: 基于目标导向 ASP 方法的因果约束的反事实解释
自动决策的机器学习模型在贷款批准、预审保释批准和雇佣等重要领域中越来越常见。然而，大多数这些模型都是黑盒子，即无法透露如何做出预测决策的过程。因此，有必要提供解释来满足透明度需求，并使人们了解为何做出某个决策。我们的研究侧重于生成反事实解释
PDFa month ago
公平感知因果模型的适应速度分析
在机器翻译任务中，为了实现两种语言之间的双向翻译，常常使用源语料库作为目标语料库，这涉及到使用相反方向的两个模型进行训练。然而，不同因素会影响适应速度，包括原始分布和修改后分布之间的因果依赖关系。本文通过考察简单的结构性因果模型中的敏感变量
PDF10 months ago
RobustCLEVR：用于评估物体中心化学习的鲁棒性的基准和框架
通过研究对象为中心的表示学习方法，我们开展了具有专家知识根据因果依赖的图像生成过程产生各种图像破坏无法实现的鲁棒性评估，结果发现对象为中心的方法对图像破坏并不稳健，此工作在实现对复杂破坏过程下模型性能和退化更具体和有力的理解方面迈出了一步。
PDF10 months ago
因果算法补救中时间的重要性
本文论述了在决策过程中应用算法复原的前景，其中考虑到因果关系和时间维度可以增强推荐的可靠性和可信度。实验评价凸显了时间在这一领域的重要性。
PDFa year ago
从教学视频中生成多模态子任务图
该研究旨在从任务的教学视频中建立多模态子任务图，以便更准确地预测下一个子任务，并且与先前方法相比，建立的图更接近于人工标注的图。
PDFa year ago
群体自适应系统连续行为的离散模型
本篇论文讨论了一种用于表示和建模 “人工蚂蚁” 在离散化空间中连续移动的方法，并尝试挑战传统的 “时间” 概念在人工蚂蚁系统和模型中的作用，提出了一个建模框架，通过因果关系来结构化行为，而不是时间关系，并展示了一个简单的例子来支持这种建模框
PDF2 years ago
自监督学习与数据扩充可证明地隔离内容与样式
该研究针对自我监督表示学习中的数据增强方法进行理论分析，将数据增强通过构建潜变量模型实现，同时研究其在潜空间的统计和因果依赖关系，提出作者的理论和实验发现对于保留数据的不变性有较好的效果。
PDF3 years ago
BookSum：用于长篇叙述摘要的数据集合集
本研究介绍了一种新的包含长型叙述文本的数据集 BookSum。这个数据集覆盖了文学领域的原始文件，并包含三种难度递增的高度抽象的人工撰写的摘要，涵盖段落、章节和整本书的水平。通过该任务的训练和测试，本研究基于此数据集建立了多个抽取和摘要式自
PDF3 years ago
概率树中因果推理的算法
文章介绍了离散概率树的因果推理算法，能够覆盖整个因果层次（相关性、干预和反事实），并能应用于任意命题和因果事件，扩展了因果推理的范畴。
PDF4 years ago