Buchumschlag

Position: Causal Machine Learning Requires Rigorous Synthetic Experiments for Broader Adoption

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Poinsot, Audrey, Panayiotou, Panayiotis, Leite, Alessandro, Chesneau, Nicolas, Şimşek, Özgür, Schoenauer, Marc
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Artificial Intelligence Methodology
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

CausalProfiler: Generating Synthetic Benchmarks for Rigorous and Transparent Evaluation of Causal Machine Learning
von: Panayiotou, Panayiotis, et al.
Veröffentlicht: (2025)

Causal Discovery in Action: Learning Chain-Reaction Mechanisms from Interventions
von: Panayiotou, Panayiotis, et al.
Veröffentlicht: (2026)

Curricula for Learning Robust Policies with Factored State Representations in Changing Environments
von: Panayiotou, Panayiotis, et al.
Veröffentlicht: (2024)

Learning Structural Causal Models through Deep Generative Models: Methods, Guarantees, and Challenges
von: Poinsot, Audrey, et al.
Veröffentlicht: (2024)

Mechanisms for Data Sharing in Collaborative Causal Inference (Extended Version)
von: Filter, Björn, et al.
Veröffentlicht: (2024)

Goal-Oriented Sequential Bayesian Experimental Design for Causal Learning
von: Zhang, Zheyu, et al.
Veröffentlicht: (2025)

Causal Machine Learning for Surgical Interventions
von: Tamo, J. Ben, et al.
Veröffentlicht: (2025)

Self-Labeling in Multivariate Causality and Quantification for Adaptive Machine Learning
von: Ren, Yutian, et al.
Veröffentlicht: (2024)

Rigor in AI: Doing Rigorous AI Work Requires a Broader, Responsible AI-Informed Conception of Rigor
von: Olteanu, Alexandra, et al.
Veröffentlicht: (2025)

Generative Synthetic Data for Causal Inference: Pitfalls, Remedies, and Opportunities
von: Xu, Yichen
Veröffentlicht: (2026)

Fast Proxy Experiment Design for Causal Effect Identification
von: Elahi, Sepehr, et al.
Veröffentlicht: (2024)

On Efficient Adjustment for Micro Causal Effects in Summary Causal Graphs
von: Belciug, Isabela, et al.
Veröffentlicht: (2025)

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

Multiple Treatments Causal Effects Estimation with Task Embeddings and Balanced Representation Learning
von: Murakami, Yuki, et al.
Veröffentlicht: (2025)

Can Large Language Models Help Experimental Design for Causal Discovery?
von: Li, Junyi, et al.
Veröffentlicht: (2025)

Moments of Causal Effects
von: Kawakami, Yuta, et al.
Veröffentlicht: (2025)

On the Number of Conditional Independence Tests in Constraint-based Causal Discovery
von: Monés, Marc Franquesa, et al.
Veröffentlicht: (2026)

Scaling Causal Mediation for Complex Systems: A Framework for Root Cause Analysis
von: Casadei, Alessandro, et al.
Veröffentlicht: (2025)

Orientability of Causal Relations in Time Series using Summary Causal Graphs and Faithful Distributions
von: Loranchet, Timothée, et al.
Veröffentlicht: (2025)

ABC3: Active Bayesian Causal Inference with Cohn Criteria in Randomized Experiments
von: Cha, Taehun, et al.
Veröffentlicht: (2024)

Causal reasoning in difference graphs
von: Assaad, Charles K.
Veröffentlicht: (2024)

Constrained Identifiability of Causal Effects
von: Chen, Yizuo, et al.
Veröffentlicht: (2024)

A Double Machine Learning Approach to Combining Experimental and Observational Data
von: Parikh, Harsh, et al.
Veröffentlicht: (2023)

Bounding Causal Effects with Leaky Instruments
von: Watson, David S., et al.
Veröffentlicht: (2024)

Causal Temporal Regime Structure Learning
von: Rahmani, Abdellah, et al.
Veröffentlicht: (2023)

Enhancing Maritime Trajectory Forecasting via H3 Index and Causal Language Modelling (CLM)
von: Drapier, Nicolas, et al.
Veröffentlicht: (2024)

Synergising Human-like Responses and Machine Intelligence for Planning in Disaster Response
von: Papaioannou, Savvas, et al.
Veröffentlicht: (2024)

Measure-Theoretic Anti-Causal Representation Learning
von: Behnam, Arman, et al.
Veröffentlicht: (2025)

Causal State Distillation for Explainable Reinforcement Learning
von: Lu, Wenhao, et al.
Veröffentlicht: (2023)

Robust Weighted Triangulation of Causal Effects Under Model Uncertainty
von: Bhattacharya, Rohit, et al.
Veröffentlicht: (2026)

Identifying Macro Causal Effects in C-DMGs over DMGs
von: Ferreira, Simon, et al.
Veröffentlicht: (2025)

A Two-Stage Interpretable Matching Framework for Causal Inference
von: Shikalgar, Sahil, et al.
Veröffentlicht: (2025)

DIGIC: Domain Generalizable Imitation Learning by Causal Discovery
von: Chen, Yang, et al.
Veröffentlicht: (2024)

Beyond Means: Topological Causal Effects under Persistent-Homology Ignorability
von: Saki, Amir, et al.
Veröffentlicht: (2026)

Better Simulations for Validating Causal Discovery with the DAG-Adaptation of the Onion Method
von: Andrews, Bryan, et al.
Veröffentlicht: (2024)

A Topological Sorting Criterion for Random Causal Directed Acyclic Graphs
von: Reisach, Alexander G., et al.
Veröffentlicht: (2026)

Average Controlled and Average Natural Micro Direct Effects in Summary Causal Graphs
von: Ferreira, Simon, et al.
Veröffentlicht: (2024)

Towards Learning and Explaining Indirect Causal Effects in Neural Networks
von: Reddy, Abbavaram Gowtham, et al.
Veröffentlicht: (2023)

A General Framework on Conditions for Constraint-based Causal Learning
von: Teh, Kai Z., et al.
Veröffentlicht: (2024)

Learning Identifiable Structures Helps Avoid Bias in DNN-based Supervised Causal Learning
von: Zhang, Jiaru, et al.
Veröffentlicht: (2025)