Buchumschlag

Learning Counterfactually Fair Models via Improved Generation with Neural Causal Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Kher, Krishn Vishwas, Mittal, Saksham, Varun V, Aditya, Das, Shantanu, Jagarlapudi, SakethaNath
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Unsupervised Structural-Counterfactual Generation under Domain Shift
von: Kher, Krishn Vishwas, et al.
Veröffentlicht: (2025)

Multi-agent Multi-armed Bandits with Minimum Reward Guarantee Fairness
von: Manupriya, Piyushi, et al.
Veröffentlicht: (2025)

Submodular Framework for Structured-Sparse Optimal Transport
von: Manupriya, Piyushi, et al.
Veröffentlicht: (2024)

Memory-Integrated Reconfigurable Adapters: A Unified Framework for Settings with Multiple Tasks
von: Agrawal, Susmit, et al.
Veröffentlicht: (2025)

Consistent Optimal Transport with Empirical Conditional Measures
von: Manupriya, Piyushi, et al.
Veröffentlicht: (2023)

Improving Fairness in Graph Neural Networks via Counterfactual Debiasing
von: Wo, Zengyi, et al.
Veröffentlicht: (2025)

MMD-Regularized Unbalanced Optimal Transport
von: Manupriya, Piyushi, et al.
Veröffentlicht: (2020)

Analyzing Fairness of Neural Network Prediction via Counterfactual Dataset Generation
von: Kim, Brian Hyeongseok, et al.
Veröffentlicht: (2026)

FROC: Building Fair ROC from a Trained Classifier
von: Vummintala, Avyukta Manjunatha, et al.
Veröffentlicht: (2024)

Counterfactual Generative Modeling with Variational Causal Inference
von: Wu, Yulun, et al.
Veröffentlicht: (2024)

Counterfactual Fairness Evaluation of Machine Learning Models on Educational Datasets
von: Kim, Woojin, et al.
Veröffentlicht: (2025)

Reasoning Elicitation in Language Models via Counterfactual Feedback
von: Hüyük, Alihan, et al.
Veröffentlicht: (2024)

Causal Diffusion Autoencoders: Toward Counterfactual Generation via Diffusion Probabilistic Models
von: Komanduri, Aneesh, et al.
Veröffentlicht: (2024)

From Identifiable Causal Representations to Controllable Counterfactual Generation: A Survey on Causal Generative Modeling
von: Komanduri, Aneesh, et al.
Veröffentlicht: (2023)

On hierarchically closed fractional intersecting families
von: Balachandran, Niranjan, et al.
Veröffentlicht: (2022)

Causal and Counterfactual Views of Missing Data Models
von: Nabi, Razieh, et al.
Veröffentlicht: (2022)

Towards Fair Graph Neural Networks via Graph Counterfactual without Sensitive Attributes
von: Wang, Xuemin, et al.
Veröffentlicht: (2024)

Counterfactual Fairness by Combining Factual and Counterfactual Predictions
von: Zhou, Zeyu, et al.
Veröffentlicht: (2024)

Modeling Causal Mechanisms with Diffusion Models for Interventional and Counterfactual Queries
von: Chao, Patrick, et al.
Veröffentlicht: (2023)

Executable Counterfactuals: Improving LLMs' Causal Reasoning Through Code
von: Vashishtha, Aniket, et al.
Veröffentlicht: (2025)

CausalGaze: Unveiling Hallucinations via Counterfactual Graph Intervention in Large Language Models
von: Kong, Linggang, et al.
Veröffentlicht: (2026)

Counterfactually Fair Conformal Prediction
von: Guldogan, Ozgur, et al.
Veröffentlicht: (2025)

Counterfactually Fair Reinforcement Learning via Sequential Data Preprocessing
von: Wang, Jitao, et al.
Veröffentlicht: (2025)

CAFP: A Post-Processing Framework for Group Fairness via Counterfactual Model Averaging
von: Arévalo, Irina, et al.
Veröffentlicht: (2026)

Causal Multi-Task Demand Learning
von: Gupta, Varun, et al.
Veröffentlicht: (2026)

Lookahead Counterfactual Fairness
von: Zuo, Zhiqun, et al.
Veröffentlicht: (2024)

Improving Fairness and Mitigating MADness in Generative Models
von: Mayer, Paul, et al.
Veröffentlicht: (2024)

Response to Discussions of "Causal and Counterfactual Views of Missing Data Models"
von: Nabi, Razieh, et al.
Veröffentlicht: (2025)

Causal Diffusion Models for Counterfactual Outcome Distributions in Longitudinal Data
von: Alinezhad, Farbod, et al.
Veröffentlicht: (2026)

Towards Characterizing Domain Counterfactuals For Invertible Latent Causal Models
von: Zhou, Zeyu, et al.
Veröffentlicht: (2023)

Homophily-aware Supervised Contrastive Counterfactual Augmented Fair Graph Neural Network
von: Kejani, Mahdi Tavassoli, et al.
Veröffentlicht: (2026)

Causal Imputation for Counterfactual SCMs: Bridging Graphs and Latent Factor Models
von: Ribot, Alvaro, et al.
Veröffentlicht: (2024)

Efficient and Interpretable Transformer for Counterfactual Fairness
von: Dong, Panyi, et al.
Veröffentlicht: (2026)

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

MC3G: Model Agnostic Causally Constrained Counterfactual Generation
von: Dasgupta, Sopam, et al.
Veröffentlicht: (2025)

FairPFN: A Tabular Foundation Model for Causal Fairness
von: Robertson, Jake, et al.
Veröffentlicht: (2025)

Counterfactual Explanations of Black-box Machine Learning Models using Causal Discovery with Applications to Credit Rating
von: Takahashi, Daisuke, et al.
Veröffentlicht: (2024)

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

Using Self-supervised Learning Can Improve Model Fairness
von: Yfantidou, Sofia, et al.
Veröffentlicht: (2024)

CausalVAE as a Plug-in for World Models: Towards Reliable Counterfactual Dynamics
von: Ding, Ziyi, et al.
Veröffentlicht: (2026)