Buchumschlag

A Probabilistic Framework for LLM-Based Model Discovery

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wahl, Stefan, Schenk, Raphaela, Farnoud, Ali, Macke, Jakob H., Gedon, Daniel
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Effortless, Simulation-Efficient Bayesian Inference using Tabular Foundation Models
von: Vetter, Julius, et al.
Veröffentlicht: (2025)

Mixed neural posterior estimation for simulators with discrete and continuous parameters
von: Boelts, Jan, et al.
Veröffentlicht: (2026)

Unitless Unrestricted Markov-Consistent SCM Generation: Better Benchmark Datasets for Causal Discovery
von: Herman, Rebecca J., et al.
Veröffentlicht: (2025)

Structural Causal Bottleneck Models
von: Bing, Simon, et al.
Veröffentlicht: (2026)

Invertible Kernel PCA with Random Fourier Features
von: Gedon, Daniel, et al.
Veröffentlicht: (2023)

Separation-based distance measures for causal graphs
von: Wahl, Jonas, et al.
Veröffentlicht: (2024)

Simultaneous identification of models and parameters of scientific simulators
von: Schröder, Cornelius, et al.
Veröffentlicht: (2023)

Diffusion Tempering Improves Parameter Estimation with Probabilistic Integrators for Ordinary Differential Equations
von: Beck, Jonas, et al.
Veröffentlicht: (2024)

Learning Individual Reproductive Behavior from Aggregate Fertility Rates via Neural Posterior Estimation
von: Ciganda, Daniel, et al.
Veröffentlicht: (2025)

On the Universality of Volume-Preserving and Coupling-Based Normalizing Flows
von: Draxler, Felix, et al.
Veröffentlicht: (2024)

From Observations to Causations: A GNN-based Probabilistic Prediction Framework for Causal Discovery
von: Rashid, Rezaur, et al.
Veröffentlicht: (2025)

How PC-based Methods Err: Towards Better Reporting of Assumption Violations and Small Sample Errors
von: Faltenbacher, Sofia, et al.
Veröffentlicht: (2025)

MRExtrap: Longitudinal Aging of Brain MRIs using Linear Modeling in Latent Space
von: Kapoor, Jaivardhan, et al.
Veröffentlicht: (2025)

Joint Out-of-Distribution Filtering and Data Discovery Active Learning
von: Schmidt, Sebastian, et al.
Veröffentlicht: (2025)

Scalable Simulation-Based Model Inference with Test-Time Complexity Control
von: Gloeckler, Manuel, et al.
Veröffentlicht: (2026)

Compositional simulation-based inference for time series
von: Gloeckler, Manuel, et al.
Veröffentlicht: (2024)

The Landscape of Causal Discovery Data: Grounding Causal Discovery in Real-World Applications
von: Brouillard, Philippe, et al.
Veröffentlicht: (2024)

A Free Probabilistic Framework for Analyzing the Transformer-based Language Models
von: Das, Swagatam
Veröffentlicht: (2025)

Geoff: The Generic Optimization Framework & Frontend for Particle Accelerator Controls
von: Madysa, Penelope, et al.
Veröffentlicht: (2025)

QComp: A QSAR-Based Data Completion Framework for Drug Discovery
von: Yang, Bingjia, et al.
Veröffentlicht: (2024)

Interpretable, multi-dimensional Evaluation Framework for Causal Discovery from observational i.i.d. Data
von: Velev, Georg, et al.
Veröffentlicht: (2024)

Identifying Linearly-Mixed Causal Representations from Multi-Node Interventions
von: Bing, Simon, et al.
Veröffentlicht: (2023)

Probabilistic Consensus through Ensemble Validation: A Framework for LLM Reliability
von: Naik, Ninad
Veröffentlicht: (2024)

A Deep Probabilistic Flow-Based Framework for Unsupervised Cross-Domain Soft Sensing
von: Loo, Junn Yong, et al.
Veröffentlicht: (2023)

Sourcerer: Sample-based Maximum Entropy Source Distribution Estimation
von: Vetter, Julius, et al.
Veröffentlicht: (2024)

A Probabilistic Framework for Modular Continual Learning
von: Valkov, Lazar, et al.
Veröffentlicht: (2023)

Rational Tuning of LLM Cascades via Probabilistic Modeling
von: Zellinger, Michael J., et al.
Veröffentlicht: (2025)

Neural timescales from a computational perspective
von: Zeraati, Roxana, et al.
Veröffentlicht: (2024)

A Structured Reasoning Framework for Unbalanced Data Classification Using Probabilistic Models
von: Du, Junliang, et al.
Veröffentlicht: (2025)

Variance-Aware Regret Bounds for Stochastic Contextual Dueling Bandits
von: Di, Qiwei, et al.
Veröffentlicht: (2023)

Probabilistic Decomposed Linear Dynamical Systems for Robust Discovery of Latent Neural Dynamics
von: Chen, Yenho, et al.
Veröffentlicht: (2024)

Python-Based Reinforcement Learning on Simulink Models
von: Schäfer, Georg, et al.
Veröffentlicht: (2024)

Co-RedTeam: Orchestrated Security Discovery and Exploitation with LLM Agents
von: He, Pengfei, et al.
Veröffentlicht: (2026)

Vejde: A Framework for Inductive Deep Reinforcement Learning Based on Factor Graph Color Refinement
von: Nyberg, Jakob, et al.
Veröffentlicht: (2025)

Connecting Algorithmic Fairness to Quality Dimensions in Machine Learning in Official Statistics and Survey Production
von: Schenk, Patrick Oliver, et al.
Veröffentlicht: (2024)

FNOPE: Simulation-based inference on function spaces with Fourier Neural Operators
von: Moss, Guy, et al.
Veröffentlicht: (2025)

Arrow: A Foundation Model for Causal Discovery
von: Thompson, Ryan, et al.
Veröffentlicht: (2026)

Bayesian Multiplicity Correction in the Probabilistic Forward Stepwise Framework
von: Womack, Andrew, et al.
Veröffentlicht: (2026)

LLM-initialized Differentiable Causal Discovery
von: Kampani, Shiv, et al.
Veröffentlicht: (2024)

Joint Progression Modeling (JPM): A Probabilistic Framework for Mixed-Pathology Progression
von: Hao, Hongtao, et al.
Veröffentlicht: (2025)