Buchumschlag

Black Box Causal Inference: Effect Estimation via Meta Prediction

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Bynum, Lucius E. J., Puli, Aahlad Manas, Herrero-Quevedo, Diego, Nguyen, Nhi, Fernandez-Granda, Carlos, Cho, Kyunghyun, Ranganath, Rajesh
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Artificial Intelligence Computation Methodology
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

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

Explanations that reveal all through the definition of encoding
von: Puli, Aahlad, et al.
Veröffentlicht: (2024)

Attention and Compression is all you need for Controllably Efficient Language Models
von: Prakash, Jatin, et al.
Veröffentlicht: (2025)

Contrasting with Symile: Simple Model-Agnostic Representation Learning for Unlimited Modalities
von: Saporta, Adriel, et al.
Veröffentlicht: (2024)

Nuisances via Negativa: Adjusting for Spurious Correlations via Data Augmentation
von: Puli, Aahlad, et al.
Veröffentlicht: (2022)

Bayesian Causal Synthesis for Meta-Inference on Heterogeneous Treatment Effects
von: Sugasawa, Shonosuke, et al.
Veröffentlicht: (2023)

Quantifying Treatment Effects: Estimating Risk Ratios in Causal Inference
von: Boughdiri, Ahmed, et al.
Veröffentlicht: (2024)

Outlier-Resistant Estimators for Average Treatment Effect in Causal Inference
von: Harada, Kazuharu, et al.
Veröffentlicht: (2021)

Estimating Heterogeneous Treatment Effects for Spatio-Temporal Causal Inference
von: Zhou, Lingxiao, et al.
Veröffentlicht: (2024)

A Unified Approach for Estimating Various Treatment Effects in Causal Inference
von: Wu, Kuan-Hsun, et al.
Veröffentlicht: (2025)

When Should an AI Workflow Release? Always-Valid Inference for Black-Box Generate-Verify Systems
von: Cho, Young Hyun, et al.
Veröffentlicht: (2026)

Estimating the Effects of Heatwaves on Health: A Causal Inference Framework
von: Grossi, Giulio, et al.
Veröffentlicht: (2025)

Estimation and Inference for Causal Explainability
von: Zhang, Weihan, et al.
Veröffentlicht: (2025)

Black Box Variational Inference with a Deterministic Objective: Faster, More Accurate, and Even More Black Box
von: Giordano, Ryan, et al.
Veröffentlicht: (2023)

Causal Inference Isn't Special: Why It's Just Another Prediction Problem
von: Fernández-Loría, Carlos
Veröffentlicht: (2025)

Evaluating Black-Box Classifiers via Stable Adaptive Two-Sample Inference
von: Chen, Yuchen, et al.
Veröffentlicht: (2026)

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

Demystifying Proximal Causal Inference
von: Ringlein, Grace V., et al.
Veröffentlicht: (2025)

Causal Estimation and Inference in Nonlinear Mendelian Randomization Studies
von: Wang, Xinpei, et al.
Veröffentlicht: (2024)

Causal Inference on Missing Exposure via Robust Estimation
von: Shi, Yuliang, et al.
Veröffentlicht: (2024)

Semi-Supervised Treatment Effect Estimation with Unlabeled Covariates for Prediction-Powered Causal Inference
von: Kato, Masahiro
Veröffentlicht: (2025)

Robust Anomaly Detection for Particle Physics Using Multi-Background Representation Learning
von: Gandrakota, Abhijith, et al.
Veröffentlicht: (2024)

New-Onset Diabetes Assessment Using Artificial Intelligence-Enhanced Electrocardiography
von: Zhang, Hao, et al.
Veröffentlicht: (2022)

Proximal Causal Inference for Conditional Separable Effects
von: Park, Chan, et al.
Veröffentlicht: (2024)

Why Is the Double-Robust Estimator for Causal Inference Not Doubly Robust for Variance Estimation?
von: Wu, Hao, et al.
Veröffentlicht: (2025)

Estimating Causal Effects of Discrete and Continuous Treatments with Binary Instruments
von: Chernozhukov, Victor, et al.
Veröffentlicht: (2024)

Efficient Inference for Incremental Causal Effects of Time to Treatment
von: Zhao, Zhichen, et al.
Veröffentlicht: (2026)

Bridging Structural Causal Inference and Machine Learning The S-DIDML Estimator for Heterogeneous Treatment Effects
von: Yu, Yile, et al.
Veröffentlicht: (2025)

Semiparametric Inference for Causal Effects on Functional Outcomes
von: Nie, Junzhu, et al.
Veröffentlicht: (2026)

Estimating Treatment Effects with Missings Not At Random in the Estimand Framework using Causal Inference
von: de Villa, A. Ruiz, et al.
Veröffentlicht: (2025)

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

Individualized Prediction Bands in Causal Inference with Continuous Treatments
von: Sampson, Max, et al.
Veröffentlicht: (2025)

Instrumental Variable Estimation of Distributional Causal Effects
von: Kook, Lucas, et al.
Veröffentlicht: (2024)

A Meta-Learning Method for Estimation of Causal Excursion Effects to Assess Time-Varying Moderation
von: Shi, Jieru, et al.
Veröffentlicht: (2023)

Robust Bayesian Inference of Causal Effects via Randomization Distributions
von: Huch, Easton, et al.
Veröffentlicht: (2025)

Asymptotically Efficient Data-adaptive Penalized Shrinkage Estimation with Application to Causal Inference
von: Susmann, Herbert P., et al.
Veröffentlicht: (2025)

Two-stage Estimation for Causal Inference Involving a Semi-continuous Exposure
von: Wang, Xiaoya, et al.
Veröffentlicht: (2025)

Generative Causal Inference
von: Nareklishvili, Maria, et al.
Veröffentlicht: (2023)

Geodesic Causal Inference
von: Kurisu, Daisuke, et al.
Veröffentlicht: (2024)

Estimation Strategies for Causal Decomposition Analysis with Allowability Specifications
von: Jackson, John W., et al.
Veröffentlicht: (2026)