Buchumschlag

End-To-End Causal Effect Estimation from Unstructured Natural Language Data

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Dhawan, Nikita, Cotta, Leonardo, Ullrich, Karen, Krishnan, Rahul G., Maddison, Chris J.
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Computation and Language Methodology
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Bayesian Sensitivity of Causal Inference Estimators under Evidence-Based Priors
von: Dhawan, Nikita, et al.
Veröffentlicht: (2026)

Text Rationalization for Robust Causal Effect Estimation
von: Zhang, Lijinghua, et al.
Veröffentlicht: (2025)

Proximal Causal Inference With Text Data
von: Chen, Jacob M., et al.
Veröffentlicht: (2024)

Language Models as Causal Effect Generators
von: Bynum, Lucius E. J., et al.
Veröffentlicht: (2024)

Optimizing Language Models for Human Preferences is a Causal Inference Problem
von: Lin, Victoria, et al.
Veröffentlicht: (2024)

CARL-GT: Evaluating Causal Reasoning Capabilities of Large Language Models
von: Tu, Ruibo, et al.
Veröffentlicht: (2024)

Test-Time Fairness and Robustness in Large Language Models
von: Cotta, Leonardo, et al.
Veröffentlicht: (2024)

Causal Graph Discovery with Retrieval-Augmented Generation based Large Language Models
von: Zhang, Yuzhe, et al.
Veröffentlicht: (2024)

RCT Rejection Sampling for Causal Estimation Evaluation
von: Keith, Katherine A., et al.
Veröffentlicht: (2023)

Isolated Causal Effects of Natural Language
von: Lin, Victoria, et al.
Veröffentlicht: (2024)

Causal-Policy Forest for End-to-End Policy Learning
von: Kato, Masahiro
Veröffentlicht: (2025)

Enhancing Causal Reasoning in Large Language Models: A Causal Attribution Model for Precision Fine-Tuning
von: Cai, Hengrui, et al.
Veröffentlicht: (2023)

A Design-based Solution for Causal Inference with Text: Can a Language Model Be Too Large?
von: Tierney, Graham, et al.
Veröffentlicht: (2025)

CLEAR: Can Language Models Really Understand Causal Graphs?
von: Chen, Sirui, et al.
Veröffentlicht: (2024)

MuPlon: Multi-Path Causal Optimization for Claim Verification through Controlling Confounding
von: Guo, Hanghui, et al.
Veröffentlicht: (2025)

Optimal Estimation of Watermark Proportions in Hybrid AI-Human Texts
von: Li, Xiang, et al.
Veröffentlicht: (2025)

Causal Representation Learning from Multimodal Clinical Records under Non-Random Modality Missingness
von: Liang, Zihan, et al.
Veröffentlicht: (2025)

Causal Inference on Outcomes Learned from Text
von: Modarressi, Iman, et al.
Veröffentlicht: (2025)

Industrial-Grade Smart Troubleshooting through Causal Technical Language Processing: a Proof of Concept
von: Trilla, Alexandre, et al.
Veröffentlicht: (2024)

Hierarchical Bias-Driven Stratification for Interpretable Causal Effect Estimation
von: Ter-Minassian, Lucile, et al.
Veröffentlicht: (2024)

Annotation Sensitivity: Training Data Collection Methods Affect Model Performance
von: Kern, Christoph, et al.
Veröffentlicht: (2023)

Omitted Variable Bias in Language Models Under Distribution Shift
von: Lin, Victoria, et al.
Veröffentlicht: (2026)

A Causal Lens for Evaluating Faithfulness Metrics
von: Zaman, Kerem, et al.
Veröffentlicht: (2025)

TWIN-GPT: Digital Twins for Clinical Trials via Large Language Model
von: Wang, Yue, et al.
Veröffentlicht: (2024)

ALCM: Autonomous LLM-Augmented Causal Discovery Framework
von: Khatibi, Elahe, et al.
Veröffentlicht: (2024)

Using Imperfect Surrogates for Downstream Inference: Design-based Supervised Learning for Social Science Applications of Large Language Models
von: Egami, Naoki, et al.
Veröffentlicht: (2023)

End-to-End Ontology Learning with Large Language Models
von: Lo, Andy, et al.
Veröffentlicht: (2024)

Deconfounding Scores and Representation Learning for Causal Effect Estimation with Weak Overlap
von: Clivio, Oscar, et al.
Veröffentlicht: (2026)

Local Causal Discovery for Estimating Causal Effects
von: Gupta, Shantanu, et al.
Veröffentlicht: (2023)

Causal Reasoning and Large Language Models: Opening a New Frontier for Causality
von: Kıcıman, Emre, et al.
Veröffentlicht: (2023)

Causal LLM Routing: End-to-End Regret Minimization from Observational Data
von: Tsiourvas, Asterios, et al.
Veröffentlicht: (2025)

An End-to-End Approach for Child Reading Assessment in the Xhosa Language
von: Chevtchenko, Sergio, et al.
Veröffentlicht: (2025)

Black Box Causal Inference: Effect Estimation via Meta Prediction
von: Bynum, Lucius E. J., et al.
Veröffentlicht: (2025)

Causal Effect Estimation with TMLE: Handling Missing Data and Near-Violations of Positivity
von: Wiederkehr, Christoph, et al.
Veröffentlicht: (2025)

Observational Scaling Laws and the Predictability of Language Model Performance
von: Ruan, Yangjun, et al.
Veröffentlicht: (2024)

The Amenability Framework: Rethinking Causal Ordering Without Estimating Causal Effects
von: Fernández-Loría, Carlos, et al.
Veröffentlicht: (2025)

Debiasing Watermarks for Large Language Models via Maximal Coupling
von: Xie, Yangxinyu, et al.
Veröffentlicht: (2024)

Using LLMs to Directly Guess Conditional Expectations Can Improve Efficiency in Causal Estimation
von: Engh, Chris, et al.
Veröffentlicht: (2025)

Robust Detection of Watermarks for Large Language Models Under Human Edits
von: Li, Xiang, et al.
Veröffentlicht: (2024)

Causal Effect Estimation with Learned Instrument Representations
von: Dean, Frances, et al.
Veröffentlicht: (2026)