Buchumschlag

Counterfactual reasoning: an analysis of in-context emergence

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Miller, Moritz, Schölkopf, Bernhard, Guo, Siyuan
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computation and Language Artificial Intelligence Machine Learning Statistics Theory
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Identifying Intervenable and Interpretable Features via Orthogonality Regularization
von: Miller, Moritz, et al.
Veröffentlicht: (2026)

Learning Interpretable Concepts: Unifying Causal Representation Learning and Foundation Models
von: Rajendran, Goutham, et al.
Veröffentlicht: (2024)

Algorithmic causal structure emerging through compression
von: Wendong, Liang, et al.
Veröffentlicht: (2025)

Don't Pass@k: A Bayesian Framework for Large Language Model Evaluation
von: Hariri, Mohsen, et al.
Veröffentlicht: (2025)

Towards Efficient Online Exploration for Reinforcement Learning with Human Feedback
von: Li, Gen, et al.
Veröffentlicht: (2025)

Is a Good Foundation Necessary for Efficient Reinforcement Learning? The Computational Role of the Base Model in Exploration
von: Foster, Dylan J., et al.
Veröffentlicht: (2025)

The Coverage Principle: How Pre-Training Enables Post-Training
von: Chen, Fan, et al.
Veröffentlicht: (2025)

Transformers as Decision Makers: Provable In-Context Reinforcement Learning via Supervised Pretraining
von: Lin, Licong, et al.
Veröffentlicht: (2023)

Reject, Resample, Repeat: Understanding Parallel Reasoning in Language Model Inference
von: Golowich, Noah, et al.
Veröffentlicht: (2026)

Reasoning with Sampling: Cutting at Decision Points
von: Zhou, Felix, et al.
Veröffentlicht: (2026)

Unveiling the Statistical Foundations of Chain-of-Thought Prompting Methods
von: Hu, Xinyang, et al.
Veröffentlicht: (2024)

Learning Beyond Pattern Matching? Assaying Mathematical Understanding in LLMs
von: Guo, Siyuan, et al.
Veröffentlicht: (2024)

On the Emergence and Test-Time Use of Structural Information in Large Language Models
von: Chen, Michelle Chao, et al.
Veröffentlicht: (2026)

Retrieval-Augmented Generation as Noisy In-Context Learning: A Unified Theory and Risk Bounds
von: Guo, Yang, et al.
Veröffentlicht: (2025)

Causal de Finetti: On the Identification of Invariant Causal Structure in Exchangeable Data
von: Guo, Siyuan, et al.
Veröffentlicht: (2022)

Cyclic Counterfactuals under Shift-Scale Interventions
von: Saha, Saptarshi, et al.
Veröffentlicht: (2025)

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

A note on the impossibility of conditional PAC-efficient reasoning in large language models
von: Zeng, Hao
Veröffentlicht: (2025)

Improving Large Language Model Safety with Contrastive Representation Learning
von: Simko, Samuel, et al.
Veröffentlicht: (2025)

A Statistical Hypothesis Testing Framework for Data Misappropriation Detection in Large Language Models
von: Cai, Yinpeng, et al.
Veröffentlicht: (2025)

Balancing Complexity and Informativeness in LLM-Based Clustering: Finding the Goldilocks Zone
von: Miller, Justin, et al.
Veröffentlicht: (2025)

CausalCite: A Causal Formulation of Paper Citations
von: Kumar, Ishan, et al.
Veröffentlicht: (2023)

MathGAP: Out-of-Distribution Evaluation on Problems with Arbitrarily Complex Proofs
von: Opedal, Andreas, et al.
Veröffentlicht: (2024)

Out-of-Variable Generalization for Discriminative Models
von: Guo, Siyuan, et al.
Veröffentlicht: (2023)

Limits of Transformer Language Models on Learning to Compose Algorithms
von: Thomm, Jonathan, et al.
Veröffentlicht: (2024)

Reparameterized LLM Training via Orthogonal Equivalence Transformation
von: Qiu, Zeju, et al.
Veröffentlicht: (2025)

Generalized Interpolating Discrete Diffusion
von: von Rütte, Dimitri, et al.
Veröffentlicht: (2025)

Learning to Reason Efficiently with A* Post-Training
von: Opedal, Andreas, et al.
Veröffentlicht: (2026)

L$^2$M: Mutual Information Scaling Law for Long-Context Language Modeling
von: Chen, Zhuo, et al.
Veröffentlicht: (2025)

A Measure-Theoretic Axiomatisation of Causality
von: Park, Junhyung, et al.
Veröffentlicht: (2023)

Orthogonal Finetuning Made Scalable
von: Qiu, Zeju, et al.
Veröffentlicht: (2025)

A Statistical Case Against Empirical Human-AI Alignment
von: Rodemann, Julian, et al.
Veröffentlicht: (2025)

Phase Transitions in the Output Distribution of Large Language Models
von: Arnold, Julian, et al.
Veröffentlicht: (2024)

Generalized Stock Price Prediction for Multiple Stocks Combined with News Fusion
von: Liao, Pei-Jun, et al.
Veröffentlicht: (2026)

A Survey on Large Language Model-based Agents for Statistics and Data Science
von: Sun, Maojun, et al.
Veröffentlicht: (2024)

Can Large Language Models Infer Causation from Correlation?
von: Jin, Zhijing, et al.
Veröffentlicht: (2023)

Analyzing the Role of Semantic Representations in the Era of Large Language Models
von: Jin, Zhijing, et al.
Veröffentlicht: (2024)

Do Language Models Exhibit the Same Cognitive Biases in Problem Solving as Human Learners?
von: Opedal, Andreas, et al.
Veröffentlicht: (2024)

When can transformers reason with abstract symbols?
von: Boix-Adsera, Enric, et al.
Veröffentlicht: (2023)

Artificial Expert Intelligence through PAC-reasoning
von: Shalev-Shwartz, Shai, et al.
Veröffentlicht: (2024)