- 基于消融的反事实
通过模型削弱而非模型重新训练的方式,引入了基于消融的反事实分析(ABC)方法来分析扩散模型如何依赖其训练数据。使用扩散模型集合构建模型,并通过完全反事实景观计数来研究训练数据的属性限制,并展示了无法归因的样本的存在。
- 因果关系:大型语言模型能真正理解因果关系吗?
提出了一种新颖的架构称为 “具有反事实分析的上下文感知推理增强框架”,通过将显式和隐式因果推理相结合,利用 ConceptNet 和反事实语句来提高因果推理和可解释性,进一步提供对因果关系的深度理解和促进可解释性。
- 从反事实自然语言中学习音频概念
通过引入因果推理和反事实分析,我们在音频领域运用反事实实例,结合声音的特征和来源信息,有效提高了开放式基于语言的音频检索任务的准确率超过 43%。
- 通过数学优化在基于得分的分类中生成集体反事实解释
利用数学优化模型,通过集体反事实解释为给定组内各实例提供一个反事实解释,以使扰动实例的总成本在一定约束下最小化,从而检测对整个数据集都至关重要的特征,验证了该方法的实用性。
- 递归反事实去混淆对于物体识别
基于反事实分析的递归反事实消融模型 (RCD) 旨在解决传统图像识别方法中忽视混淆因素导致性能低下的问题,通过递归构建和更新图像特征、模型预测和混淆因素之间的关系,学习出更具有区分性的特征,从而提高模型的辨别能力和泛化能力。实验证明,在封闭 - 个性化学生学习的因果发现与反事实解释
通过因果发现技术,本研究着重于确定学生表现的原因,以提供个性化的改进方法;通过识别因果预测因素并应用对照分析来提供个性化建议;在教育背景中使用因果推断的挑战、益处和限制得到了详细描述。
- 在不确定性下对反事实干预进行估计
通过采用贝叶斯层级模型来建模不确定性,本文解决了连续设置中对反事实分布的模棱两可性问题,特别是在贝叶斯变形高斯过程中,允许非高斯分布和非加法噪声,成功应用于一个合成和半合成的案例,并展示了在算法补救下游任务中的性能。
- 提高事件时间关系提取的准确性:抽取还是猜测?
本文提出了两方面的方法以提高 TempRel 的准确性,即进行反事实分析以减轻训练偏见的影响和提供不确定性估计并在文本中描述关系。在 MATRES,MATRES-DS 和 TDDiscourse 上的实验分析表明,我们的模型相对于 SOTA - CA-SpaceNet:空间 6D 姿态估计的反事实分析
本文提出了一种反事实分析框架(CASpaceNet),旨在完成在复杂背景下的空间目标的强健 6D 姿态估计,通过采用常规方法从实际图像中提取特征,同时在反事实情况下想象出一幅不存在目标但只有背景的虚构图像,以减少背景干扰引起的副作用,从而得 - ACL我们应该依赖实体提及来进行关系抽取吗?通过反事实分析消除关系抽取偏差
本文提出了一种名为 CORE 的反事实分析方法,通过构造关系提取器的因果图,并在其上进行反事实分析来捕捉和减少实体偏置。该方法不会改变现有 RE 系统的训练过程,极大地提高了 RE 的效率和概括能力。
- 使用因果图归一化流的 IMF 方案对全球南方地区儿童贫困影响的反事实分析
本研究应用因果推论和深度学习模型中的特定分支 —— 因果图归一化流(c-GNFs)。研究以国际货币基金组织(IMF)计划对儿童贫困的影响为例,使用 c-GNFs 对具有 190 万以上样本量的真实观察数据进行反事实分析,并展示了如何进一步利 - ICCV通过反事实分析进行人类轨迹预测
探究对策性分析在人类轨迹预测中的应用,并构建因果图分析历史轨迹与未来轨迹以及环境交互之间的关系,并对轨迹进行反事实干预以减轻环境偏差带来的负面影响,从而取得了公共行人轨迹预测基准测试的最佳结果。
- AAAI因果透镜下的可解释强化学习
本文使用因果关系模型来推导强化学习器的行为的因果解释,并通过对一项实验的研究结果表明,基于因果模型的解释在任务预测、解释满意度和信任方面表现更好。
- 文本的效用:以友情诉状和最高法院为例
探索撰写文本的思维方式,考虑美国最高法院的决策并采用数理模型分析其结果,加入法院外围层决策者(amici curiae)的权衡因素,提高投票预测和进行反事实分析的能力。