Buchumschlag

Causal Abstraction Learning based on the Semantic Embedding Principle

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	D'Acunto, Gabriele, Zennaro, Fabio Massimo, Felekis, Yorgos, Di Lorenzo, Paolo
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

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

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

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

Causally Abstracted Multi-armed Bandits
von: Zennaro, Fabio Massimo, et al.
Veröffentlicht: (2024)

The Relativity of Causal Knowledge
von: D'Acunto, Gabriele, et al.
Veröffentlicht: (2025)

Multi-Level Causal Embeddings
von: Schooltink, Willem, et al.
Veröffentlicht: (2026)

Learning Network Sheaves for AI-native Semantic Communication
von: Grimaldi, Enrico, et al.
Veröffentlicht: (2025)

Aligning Graphical and Functional Causal Abstractions
von: Schooltink, Willem, et al.
Veröffentlicht: (2024)

Learning the Structure of Connection Graphs
von: Di Nino, Leonardo, et al.
Veröffentlicht: (2025)

Simplicial Gaussian Models: Representation and Inference
von: Marinucci, Lorenzo, et al.
Veröffentlicht: (2025)

Learning Multi-Frequency Partial Correlation Graphs
von: D'Acunto, Gabriele, et al.
Veröffentlicht: (2023)

Neural Causal Abstractions
von: Xia, Kevin, et al.
Veröffentlicht: (2024)

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

Teleological Inference in Structural Causal Models via Intentional Interventions
von: Compagno, Dario, et al.
Veröffentlicht: (2026)

Colored Markov Random Fields for Probabilistic Topological Modeling
von: Marinucci, Lorenzo, et al.
Veröffentlicht: (2025)

Extracting the Multiscale Causal Backbone of Brain Dynamics
von: D'Acunto, Gabriele, et al.
Veröffentlicht: (2023)

Multi-View Spectral Clustering for Graphs with Multiple View Structures
von: Tsitsikas, Yorgos, et al.
Veröffentlicht: (2025)

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

Combining Causal Models for More Accurate Abstractions of Neural Networks
von: Pîslar, Theodora-Mara, 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)

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

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

A Sparsity Principle for Partially Observable Causal Representation Learning
von: Xu, Danru, et al.
Veröffentlicht: (2024)

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

Causal Concept Graph Models: Beyond Causal Opacity in Deep Learning
von: Dominici, Gabriele, et al.
Veröffentlicht: (2024)

Learning Markov State Abstractions for Deep Reinforcement Learning
von: Allen, Cameron, et al.
Veröffentlicht: (2021)

Abstraction for Offline Goal-Conditioned Reinforcement Learning
von: Wibault, Clarisse, et al.
Veröffentlicht: (2026)

ARCLE: The Abstraction and Reasoning Corpus Learning Environment for Reinforcement Learning
von: Lee, Hosung, et al.
Veröffentlicht: (2024)

How to Turn Your Knowledge Graph Embeddings into Generative Models
von: Loconte, Lorenzo, et al.
Veröffentlicht: (2023)

Semantic Level of Detail for Knowledge Graphs: Discovering Abstraction Boundaries via Spectral Heat Diffusion
von: Izgorodin, Edward
Veröffentlicht: (2026)

Context-Sensitive Abstractions for Reinforcement Learning with Parameterized Actions
von: Nayyar, Rashmeet Kaur, et al.
Veröffentlicht: (2025)

Realizable Abstractions: Near-Optimal Hierarchical Reinforcement Learning
von: Cipollone, Roberto, et al.
Veröffentlicht: (2025)

Learning with Language-Guided State Abstractions
von: Peng, Andi, et al.
Veröffentlicht: (2024)

A Unifying Framework for Learning Argumentation Semantics
von: Mileva, Zlatina, et al.
Veröffentlicht: (2023)

Spatio-temporal Value Semantics-based Abstraction for Dense Deep Reinforcement Learning
von: Nie, Jihui, et al.
Veröffentlicht: (2024)

Decoupled Hierarchical Reinforcement Learning with State Abstraction for Discrete Grids
von: Xiao, Qingyu, et al.
Veröffentlicht: (2025)

Learning with Expert Abstractions for Efficient Multi-Task Continuous Control
von: Jewett, Jeff, et al.
Veröffentlicht: (2025)

Robust Optimization in Causal Models and G-Causal Normalizing Flows
von: Visentin, Gabriele, et al.
Veröffentlicht: (2025)

CIVeX: Causal Intervention Verification for Language Agents
von: Rovai, Fabio
Veröffentlicht: (2026)