Buchumschlag

Can LLMs Leverage Observational Data? Towards Data-Driven Causal Discovery with LLMs

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Susanti, Yuni, Färber, Michael
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

Paths to Causality: Finding Informative Subgraphs Within Knowledge Graphs for Knowledge-Based Causal Discovery
von: Susanti, Yuni, et al.
Veröffentlicht: (2025)

Knowledge Graph Structure as Prompt: Improving Small Language Models Capabilities for Knowledge-based Causal Discovery
von: Susanti, Yuni, et al.
Veröffentlicht: (2024)

AutoRDF2GML: Facilitating RDF Integration in Graph Machine Learning
von: Färber, Michael, et al.
Veröffentlicht: (2024)

Bridging RDF Knowledge Graphs with Graph Neural Networks for Semantically-Rich Recommender Systems
von: Färber, Michael, et al.
Veröffentlicht: (2025)

CauScientist: Teaching LLMs to Respect Data for Causal Discovery
von: Peng, Bo, et al.
Veröffentlicht: (2026)

Prompting or Fine-tuning? Exploring Large Language Models for Causal Graph Validation
von: Susanti, Yuni, et al.
Veröffentlicht: (2024)

StructSynth: Leveraging LLMs for Structure-Aware Tabular Data Synthesis in Low-Data Regimes
von: Liu, Siyi, et al.
Veröffentlicht: (2025)

Data-Driven Optimization of EV Charging Station Placement Using Causal Discovery
von: Junker, Julius Stephan, et al.
Veröffentlicht: (2025)

HalluGuard: Demystifying Data-Driven and Reasoning-Driven Hallucinations in LLMs
von: Zeng, Xinyue, et al.
Veröffentlicht: (2026)

Can LLMs Assist Expert Elicitation for Probabilistic Causal Modeling?
von: Shaposhnyk, Olha, et al.
Veröffentlicht: (2025)

CAnDOIT: Causal Discovery with Observational and Interventional Data from Time-Series
von: Castri, Luca, et al.
Veröffentlicht: (2024)

Towards Enhanced RAC Accessibility: Leveraging Datasets and LLMs
von: Sepulveda, Edison Jair Bejarano, et al.
Veröffentlicht: (2024)

Can LLMs Reason Structurally? Benchmarking via the Lens of Data Structures
von: He, Yu, et al.
Veröffentlicht: (2025)

Do We Need Bigger Models for Science? Task-Aware Retrieval with Small Language Models
von: Kelber, Florian, et al.
Veröffentlicht: (2026)

Federated Causal Discovery from Heterogeneous Data
von: Li, Loka, et al.
Veröffentlicht: (2024)

Optimizing Small Transformer-Based Language Models for Multi-Label Sentiment Analysis in Short Texts
von: Neumann, Julius, et al.
Veröffentlicht: (2025)

Can LLMs Effectively Leverage Graph Structural Information through Prompts, and Why?
von: Huang, Jin, et al.
Veröffentlicht: (2023)

DiscoveryBench: Towards Data-Driven Discovery with Large Language Models
von: Majumder, Bodhisattwa Prasad, et al.
Veröffentlicht: (2024)

DAOpt: Modeling and Evaluation of Data-Driven Optimization under Uncertainty with LLMs
von: Zhu, WenZhuo, et al.
Veröffentlicht: (2025)

Can Post-Training Transform LLMs into Causal Reasoners?
von: Chen, Junqi, et al.
Veröffentlicht: (2026)

Regularized Multi-LLMs Collaboration for Enhanced Score-based Causal Discovery
von: Li, Xiaoxuan, et al.
Veröffentlicht: (2024)

Speaking the Same Language: Leveraging LLMs in Standardizing Clinical Data for AI
von: Sett, Arindam, et al.
Veröffentlicht: (2024)

Data Distribution as a Lever for Guiding Optimizers Toward Superior Generalization in LLMs
von: Gangavarapu, Tushaar, et al.
Veröffentlicht: (2026)

Federated Causal Inference from Observational Data
von: Vo, Thanh Vinh, et al.
Veröffentlicht: (2023)

Split, Unlearn, Merge: Leveraging Data Attributes for More Effective Unlearning in LLMs
von: Kadhe, Swanand Ravindra, et al.
Veröffentlicht: (2024)

Trusting Fair Data: Leveraging Quality in Fairness-Driven Data Removal Techniques
von: Duong, Manh Khoi, et al.
Veröffentlicht: (2024)

Prosperity before Collapse: How Far Can Off-Policy RL Reach with Stale Data on LLMs?
von: Zheng, Haizhong, et al.
Veröffentlicht: (2025)

Can Hallucinations Help? Boosting LLMs for Drug Discovery
von: Yuan, Shuzhou, et al.
Veröffentlicht: (2025)

Making LLMs Work for Enterprise Data Tasks
von: Demiralp, Çağatay, et al.
Veröffentlicht: (2024)

Can LLMs Clean Up Your Mess? A Survey of Application-Ready Data Preparation with LLMs
von: Zhou, Wei, et al.
Veröffentlicht: (2026)

CARE: Turning LLMs Into Causal Reasoning Expert
von: Dong, Juncheng, et al.
Veröffentlicht: (2025)

OpenEstimate: Evaluating LLMs on Reasoning Under Uncertainty with Real-World Data
von: Renda, Alana, et al.
Veröffentlicht: (2025)

OKG-LLM: Aligning Ocean Knowledge Graph with Observation Data via LLMs for Global Sea Surface Temperature Prediction
von: Yang, Hanchen, et al.
Veröffentlicht: (2025)

Better as Generators Than Classifiers: Leveraging LLMs and Synthetic Data for Low-Resource Multilingual Classification
von: Pecher, Branislav, et al.
Veröffentlicht: (2026)

Mind the Data Gap: Bridging LLMs to Enterprise Data Integration
von: Kayali, Moe, et al.
Veröffentlicht: (2024)

Risk Horizons: Structured Hypothesis Spaces for Longitudinal Clinical Prediction
von: Qu, Zhan, et al.
Veröffentlicht: (2026)

Data-Free Pruning of Self-Attention Layers in LLMs
von: Saikumar, Dhananjay, et al.
Veröffentlicht: (2025)

LLMs Can't Plan, But Can Help Planning in LLM-Modulo Frameworks
von: Kambhampati, Subbarao, et al.
Veröffentlicht: (2024)

dcFCI: Robust Causal Discovery Under Latent Confounding, Unfaithfulness, and Mixed Data
von: Ribeiro, Adèle H., et al.
Veröffentlicht: (2025)

Robustness is Important: Limitations of LLMs for Data Fitting
von: Liu, Hejia, et al.
Veröffentlicht: (2025)