:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Salgado, Henry, Kendall, Meagan R., Ceberio, Martine
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Artificial Intelligence
Online-Zugang:	https://arxiv.org/abs/2601.21221
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

A Causal Argumentation Method for Explainability of Machine Learning Models
von: Salgado, Henry, et al.
Veröffentlicht: (2026)

Does the Model Say What the Data Says? A Simple Heuristic for Model Data Alignment
von: Salgado, Henry, et al.
Veröffentlicht: (2025)

LLMs in Qualitative Research: Opportunities, Limitations, and Practical Considerations
von: Salgado, Henry, et al.
Veröffentlicht: (2026)

Time to Stop and Think: What kind of research do we want to do?
von: Ceberio, Josu, et al.
Veröffentlicht: (2024)

Craftium: Bridging Flexibility and Efficiency for Rich 3D Single- and Multi-Agent Environments
von: Malagón, Mikel, et al.
Veröffentlicht: (2024)

Integrating Large Language Models in Causal Discovery: A Statistical Causal Approach
von: Takayama, Masayuki, et al.
Veröffentlicht: (2024)

Advancing Explainable AI with Causal Analysis in Large-Scale Fuzzy Cognitive Maps
von: Tyrovolas, Marios, et al.
Veröffentlicht: (2024)

Argumentative Causal Discovery
von: Russo, Fabrizio, et al.
Veröffentlicht: (2024)

MARCO: A Memory-Augmented Reinforcement Framework for Combinatorial Optimization
von: Garmendia, Andoni I., et al.
Veröffentlicht: (2024)

Hybrid Local Causal Discovery
von: Ling, Zhaolong, et al.
Veröffentlicht: (2024)

Behaviour Discovery and Attribution for Explainable Reinforcement Learning
von: Rishav, Rishav, et al.
Veröffentlicht: (2025)

A Survey on Causal Discovery: Theory and Practice
von: Zanga, Alessio, et al.
Veröffentlicht: (2023)

Causal Reasoning in Pieces: Modular In-Context Learning for Causal Discovery
von: Kadziolka, Kacper, et al.
Veröffentlicht: (2025)

Effect-Level Validation for Causal Discovery
von: Dang, Hoang, et al.
Veröffentlicht: (2026)

CausaLab: A Scalable Environment for Interactive Causal Discovery Toward AI Scientists
von: Yang, Junlin, et al.
Veröffentlicht: (2026)

A Novel Approach to Eliminating Hallucinations in Large Language Model-Assisted Causal Discovery
von: Sng, Grace, et al.
Veröffentlicht: (2024)

Leveraging Large Language Models for Causal Discovery: a Constraint-based, Argumentation-driven Approach
von: Li, Zihao, et al.
Veröffentlicht: (2026)

Local Causal Discovery for Statistically Efficient Causal Inference
von: Schubert, Mátyás, et al.
Veröffentlicht: (2025)

Exploring Nutritional Impact on Alzheimer's Mortality: An Explainable AI Approach
von: Liu, Ziming, et al.
Veröffentlicht: (2024)

From What Ifs to Insights: Counterfactuals in Causal Inference vs. Explainable AI
von: Shmueli, Galit, et al.
Veröffentlicht: (2025)

DMCD: Semantic-Statistical Framework for Causal Discovery
von: KaPatel, Samarth, et al.
Veröffentlicht: (2026)

Decentralized Causal Discovery using Judo Calculus
von: Mahadevan, Sridhar
Veröffentlicht: (2025)

Machine Collective Intelligence for Explainable Scientific Discovery
von: Na, Gyoung S., et al.
Veröffentlicht: (2026)

A Comparative Study of Explainable AI Methods: Model-Agnostic vs. Model-Specific Approaches
von: Devireddy, Keerthi
Veröffentlicht: (2025)

OPAL: Encoding Causal Understanding of Physical Systems for Robot Learning
von: Tcheurekdjian, Daniel, et al.
Veröffentlicht: (2025)

Causal Discovery as Dialectical Aggregation: A Quantitative Argumentation Framework
von: Wei, Sheng, et al.
Veröffentlicht: (2026)

ACCESS : A Benchmark for Abstract Causal Event Discovery and Reasoning
von: Vo, Vy, et al.
Veröffentlicht: (2025)

Evaluating Explainability: A Framework for Systematic Assessment and Reporting of Explainable AI Features
von: Lago, Miguel A., et al.
Veröffentlicht: (2025)

Is Trust Correlated With Explainability in AI? A Meta-Analysis
von: Atf, Zahra, et al.
Veröffentlicht: (2025)

Causality-Based Scores Alignment in Explainable Data Management
von: Azua, Felipe, et al.
Veröffentlicht: (2025)

Multi-Domain Causal Discovery in Bijective Causal Models
von: Jalaldoust, Kasra, et al.
Veröffentlicht: (2025)

Dataset | Mindset = Explainable AI | Interpretable AI
von: Wu, Caesar, et al.
Veröffentlicht: (2024)

Differentiable Constraint-Based Causal Discovery
von: Zhou, Jincheng, et al.
Veröffentlicht: (2025)

Relational Causal Discovery with Latent Confounders
von: Negro, Matteo, et al.
Veröffentlicht: (2025)

Linear Causal Discovery with Interventional Constraints
von: Guo, Zhigao, et al.
Veröffentlicht: (2025)

Comparing Neural Network Encodings for Logic-based Explainability
von: Carvalho, Levi Cordeiro, et al.
Veröffentlicht: (2025)

Heterogeneous Causal Discovery of Repeated Undesirable Health Outcomes
von: Adhikari, Shishir, et al.
Veröffentlicht: (2025)

The WHY in Business Processes: Discovery of Causal Execution Dependencies
von: Fournier, Fabiana, et al.
Veröffentlicht: (2023)

Integrating Large Language Model for Improved Causal Discovery
von: Ban, Taiyu, et al.
Veröffentlicht: (2023)

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