Buchumschlag

Neural Causal Abstractions

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Xia, Kevin, Bareinboim, Elias
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Causal Abstraction Inference under Lossy Representations
von: Xia, Kevin, et al.
Veröffentlicht: (2025)

Fairness-Accuracy Trade-Offs: A Causal Perspective
von: Plecko, Drago, et al.
Veröffentlicht: (2024)

Mind the Gap: A Causal Perspective on Bias Amplification in Prediction & Decision-Making
von: Plecko, Drago, et al.
Veröffentlicht: (2024)

Causally Aligned Curriculum Learning
von: Li, Mingxuan, et al.
Veröffentlicht: (2025)

Causal Algorithmic Recourse: Foundations and Methods
von: Plecko, Drago, et al.
Veröffentlicht: (2026)

From Black-box to Causal-box: Towards Building More Interpretable Models
von: Hwang, Inwoo, et al.
Veröffentlicht: (2025)

Causal Flow Q-Learning for Robust Offline Reinforcement Learning
von: Li, Mingxuan, et al.
Veröffentlicht: (2026)

Causal Identification from Counterfactual Data: Completeness and Bounding Results
von: Raghavan, Arvind, et al.
Veröffentlicht: (2026)

Less Greedy Equivalence Search
von: Ejaz, Adiba, et al.
Veröffentlicht: (2025)

Testing Causal Models with Hidden Variables in Polynomial Delay via Conditional Independencies
von: Jeong, Hyunchai, et al.
Veröffentlicht: (2024)

Automatic Reward Shaping from Confounded Offline Data
von: Li, Mingxuan, et al.
Veröffentlicht: (2025)

Partial Transportability for Domain Generalization
von: Jalaldoust, Kasra, et al.
Veröffentlicht: (2025)

Confounding Robust Continuous Control via Automatic Reward Shaping
von: Juliani, Mateo, et al.
Veröffentlicht: (2026)

Counterfactual Realizability
von: Raghavan, Arvind, et al.
Veröffentlicht: (2025)

Combining Causal Models for More Accurate Abstractions of Neural Networks
von: Pîslar, Theodora-Mara, et al.
Veröffentlicht: (2025)

Partial Identification Approach to Counterfactual Fairness Assessment
von: Rho, Saeyoung, et al.
Veröffentlicht: (2025)

Confounder Detection via Treatment Intent: A New Observational Study Design
von: Plecko, Drago, et al.
Veröffentlicht: (2026)

Distributionally Robust Causal Abstractions
von: Felekis, Yorgos, et al.
Veröffentlicht: (2025)

Efficient Discovery of Approximate Causal Abstractions via Neural Mechanism Sparsification
von: Asiaee, Amir
Veröffentlicht: (2026)

PLOT: Progressive Localization via Optimal Transport in Neural Causal Abstraction
von: Chang, Jonathn, et al.
Veröffentlicht: (2026)

Epidemiology of Large Language Models: A Benchmark for Observational Distribution Knowledge
von: Plecko, Drago, et al.
Veröffentlicht: (2025)

Learning Causal Abstractions of Linear Structural Causal Models
von: Massidda, Riccardo, et al.
Veröffentlicht: (2024)

Causal Abstraction Learning based on the Semantic Embedding Principle
von: D'Acunto, Gabriele, et al.
Veröffentlicht: (2025)

The Causal Information Bottleneck and Optimal Causal Variable Abstractions
von: Simoes, Francisco N. F. Q., et al.
Veröffentlicht: (2024)

Learning Consistent Causal Abstraction Networks
von: D'Acunto, Gabriele, et al.
Veröffentlicht: (2026)

How Causal Abstraction Underpins Computational Explanation
von: Geiger, Atticus, et al.
Veröffentlicht: (2025)

An Algorithmic Approach for Causal Health Equity: A Look at Race Differentials in Intensive Care Unit (ICU) Outcomes
von: Plecko, Drago, et al.
Veröffentlicht: (2025)

Causal Abstraction in Model Interpretability: A Compact Survey
von: Zhang, Yihao
Veröffentlicht: (2024)

Networks of Causal Abstractions: A Sheaf-theoretic Framework
von: D'Acunto, Gabriele, et al.
Veröffentlicht: (2025)

A Relational Inductive Bias for Dimensional Abstraction in Neural Networks
von: Campbell, Declan, et al.
Veröffentlicht: (2024)

Confounding Robust Deep Reinforcement Learning: A Causal Approach
von: Li, Mingxuan, et al.
Veröffentlicht: (2025)

Self-Abstraction Learning for Effective and Stable Training of Deep Neural Networks
von: Cho, Wonyong, et al.
Veröffentlicht: (2026)

Graph Neural Network Causal Explanation via Neural Causal Models
von: Behnam, Arman, et al.
Veröffentlicht: (2024)

Contrastive Abstraction for Reinforcement Learning
von: Patil, Vihang, et al.
Veröffentlicht: (2024)

Executable Functional Abstractions: Inferring Generative Programs for Advanced Math Problems
von: Khan, Zaid, et al.
Veröffentlicht: (2025)

Causal Neural Probabilistic Circuits
von: Chen, Weixin, et al.
Veröffentlicht: (2026)

Interval Abstractions for Robust Counterfactual Explanations
von: Jiang, Junqi, et al.
Veröffentlicht: (2024)

In-Context Planning with Latent Temporal Abstractions
von: Luo, Baiting, et al.
Veröffentlicht: (2026)

Consistency of Neural Causal Partial Identification
von: Tan, Jiyuan, et al.
Veröffentlicht: (2024)

Causal Graph Neural Networks for Healthcare
von: Mesinovic, Munib, et al.
Veröffentlicht: (2025)