Buchumschlag

The Causal Round Trip: Generating Authentic Counterfactuals by Eliminating Information Loss

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wu, Rui, Wang, Lizheng, Li, Yongjun
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

Cohomological Obstructions to Global Counterfactuals: A Sheaf-Theoretic Foundation for Generative Causal Models
von: Wu, Rui, et al.
Veröffentlicht: (2026)

The Causal Uncertainty Principle: Manifold Tearing and the Topological Limits of Counterfactual Interventions
von: Wu, Rui, et al.
Veröffentlicht: (2026)

Unsupervised Evaluation of Code LLMs with Round-Trip Correctness
von: Allamanis, Miltiadis, 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)

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

DiffusionCounterfactuals: Inferring High-dimensional Counterfactuals with Guidance of Causal Representations
von: Zhu, Jiageng, et al.
Veröffentlicht: (2024)

A Comprehensive Evaluation Framework for Synthetic Trip Data Generation in Public Transport
von: Wu, Yuanyuan, et al.
Veröffentlicht: (2025)

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

Assessing the Latent Automated Program Repair Capabilities of Large Language Models using Round-Trip Translation
von: Ruiz, Fernando Vallecillos, et al.
Veröffentlicht: (2024)

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

Learning Counterfactually Fair Models via Improved Generation with Neural Causal Models
von: Kher, Krishn Vishwas, et al.
Veröffentlicht: (2025)

Decision Focused Causal Learning for Direct Counterfactual Marketing Optimization
von: Zhou, Hao, et al.
Veröffentlicht: (2024)

Where and How to Attack? A Causality-Inspired Recipe for Generating Counterfactual Adversarial Examples
von: Cai, Ruichu, et al.
Veröffentlicht: (2023)

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

Should Bias be Eliminated? A General Framework to Use Bias for OOD Generalization
von: Li, Yan, et al.
Veröffentlicht: (2025)

Teleporter Theory: A General and Simple Approach for Modeling Cross-World Counterfactual Causality
von: Li, Jiangmeng, et al.
Veröffentlicht: (2024)

Causal Generative Explainers using Counterfactual Inference: A Case Study on the Morpho-MNIST Dataset
von: Taylor-Melanson, Will, et al.
Veröffentlicht: (2024)

Generating Causal Temporal Interaction Graphs for Counterfactual Validation of Temporal Link Prediction
von: Rahman, Aniq Ur, et al.
Veröffentlicht: (2026)

TripCast: Pre-training of Masked 2D Transformers for Trip Time Series Forecasting
von: Liao, Yuhua, et al.
Veröffentlicht: (2024)

Generating Robust Counterfactual Witnesses for Graph Neural Networks
von: Qiu, Dazhuo, et al.
Veröffentlicht: (2024)

CausalFlow: Causal Attribution and Counterfactual Repair for LLM Agent Failures
von: Bonagiri, Akash, et al.
Veröffentlicht: (2026)

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

Causal Dynamic Variational Autoencoder for Counterfactual Regression in Longitudinal Data
von: Bouchattaoui, Mouad El, et al.
Veröffentlicht: (2023)

Deep Backtracking Counterfactuals for Causally Compliant Explanations
von: Kladny, Klaus-Rudolf, et al.
Veröffentlicht: (2023)

Causal Contrastive Learning for Counterfactual Regression Over Time
von: Bouchattaoui, Mouad El, et al.
Veröffentlicht: (2024)

Statistical Decision Theory with Counterfactual Loss
von: Koch, Benedikt, et al.
Veröffentlicht: (2025)

Towards Generalizable Reasoning: Group Causal Counterfactual Policy Optimization for LLM Reasoning
von: Wang, Jingyao, et al.
Veröffentlicht: (2026)

CARE-ECG: Causal Agent-based Reasoning for Explainable and Counterfactual ECG Interpretation
von: Khatibi, Elahe, et al.
Veröffentlicht: (2026)

Smooth, Sparse, and Stable: Finite-Time Exact Skeleton Recovery via Smoothed Proximal Gradients
von: Wu, Rui, et al.
Veröffentlicht: (2026)

Counterfactually Safe Reinforcement Learning
von: Li, Jingyi, et al.
Veröffentlicht: (2026)

Enhancing Pedestrian Trajectory Prediction with Crowd Trip Information
von: Tamaru, Rei, et al.
Veröffentlicht: (2024)

Dynamic Causal Structure Discovery and Causal Effect Estimation
von: Wang, Jianian, et al.
Veröffentlicht: (2025)

Flow-based Generative Modeling of Potential Outcomes and Counterfactuals
von: Wu, Dongze, et al.
Veröffentlicht: (2025)

CAETC: Causal Autoencoding and Treatment Conditioning for Counterfactual Estimation over Time
von: Nguyen, Nghia D., et al.
Veröffentlicht: (2026)

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

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

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

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)

CaliCausalRank: Calibrated Multi-Objective Ad Ranking with Robust Counterfactual Utility Optimization
von: Yang, Xikai, et al.
Veröffentlicht: (2026)