关键词causal graph discovery
搜索结果 - 4
- 大型语言模型对因果图发现的有效先验
整合专家提供的背景知识可以改善观测数据的因果结构发现,并且由于对比人工专家而言查询它们的成本较低,最近开始将大型语言模型(LLM)视为提供先验信息的来源。本研究首先提出了一组用于独立于下游算法评估 LLM 判断因果图发现的度量标准。其次,我 - 非目标干预下的因果发现
该研究论文提出了一种基于随机干预的因果发现模型,通过最小化干预次数来解决因果发现问题,提供了多对数竞争比的近似算法,并给出了一些初步实验结果。
- 利用大语言模型高效发现因果图
提出了一种利用 LLMs 进行全因果图发现的新框架,通过广度优先搜索(BFS)方法,使用线性数量的查询,可在不同领域的因果图发现任务中获得具有前沿水平结果的高效性和效果。
- ICML加权因果有向无环图的新度量和搜索算法
通过研究自适应干预下的因果图发现,提出了一种新的基准,捕捉任何搜索算法的最坏干预成本,并提出了在各种设置下实现对数逼近的自适应搜索算法。