Buchumschlag

Efficient Discovery of Approximate Causal Abstractions via Neural Mechanism Sparsification

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Asiaee, Amir
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Neural Causal Abstractions
von: Xia, Kevin, et al.
Veröffentlicht: (2024)

PLOT: Progressive Localization via Optimal Transport in Neural Causal Abstraction
von: Chang, Jonathn, et al.
Veröffentlicht: (2026)

Combining Causal Models for More Accurate Abstractions of Neural Networks
von: Pîslar, Theodora-Mara, et al.
Veröffentlicht: (2025)

Distributionally Robust Causal Abstractions
von: Felekis, Yorgos, et al.
Veröffentlicht: (2025)

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

Graph Sparsification via Mixture of Graphs
von: Zhang, Guibin, et al.
Veröffentlicht: (2024)

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

Efficient Differentiable Causal Discovery via Reliable Super-Structure Learning
von: Ma, Pingchuan, et al.
Veröffentlicht: (2026)

CauScale: Neural Causal Discovery at Scale
von: Peng, Bo, et al.
Veröffentlicht: (2026)

Causal Discovery with Mixed Latent Confounding via Precision Decomposition
von: Asiaee, Amir, et al.
Veröffentlicht: (2025)

Causal Abstraction Learning based on the Semantic Embedding Principle
von: D'Acunto, Gabriele, et al.
Veröffentlicht: (2025)

Challenges and Considerations in the Evaluation of Bayesian Causal Discovery
von: Mamaghan, Amir Mohammad Karimi, et al.
Veröffentlicht: (2024)

Causal Discovery in Linear Models with Unobserved Variables and Measurement Error
von: Yang, Yuqin, et al.
Veröffentlicht: (2024)

PSNE: Efficient Spectral Sparsification Algorithms for Scaling Network Embedding
von: Lin, Longlong, et al.
Veröffentlicht: (2024)

The Causal Information Bottleneck and Optimal Causal Variable Abstractions
von: Simoes, Francisco N. F. Q., et al.
Veröffentlicht: (2024)

Sherry: Hardware-Efficient 1.25-Bit Ternary Quantization via Fine-grained Sparsification
von: Huang, Hong, et al.
Veröffentlicht: (2026)

Goal Discovery with Causal Capacity for Efficient Reinforcement Learning
von: Yu, Yan, et al.
Veröffentlicht: (2025)

Learning Consistent Causal Abstraction Networks
von: D'Acunto, Gabriele, et al.
Veröffentlicht: (2026)

Less Is More -- On the Importance of Sparsification for Transformers and Graph Neural Networks for TSP
von: Lischka, Attila, et al.
Veröffentlicht: (2024)

Causal Discovery by Interventions via Integer Programming
von: Elrefaey, Abdelmonem, et al.
Veröffentlicht: (2024)

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

Evaluating Causal Discovery Algorithms for Path-Specific Fairness and Utility in Healthcare
von: Nagesh, Nitish, et al.
Veröffentlicht: (2026)

Efficient Ensemble Conditional Independence Test Framework for Causal Discovery
von: Guan, Zhengkang, et al.
Veröffentlicht: (2025)

Mask2Cause: Causal Discovery via Adjacency Constrained Causal Attention
von: Muhammad, Omar, et al.
Veröffentlicht: (2026)

How Causal Abstraction Underpins Computational Explanation
von: Geiger, Atticus, et al.
Veröffentlicht: (2025)

ComPEFT: Compression for Communicating Parameter Efficient Updates via Sparsification and Quantization
von: Yadav, Prateek, et al.
Veröffentlicht: (2023)

Graph Neural Network Causal Explanation via Neural Causal Models
von: Behnam, Arman, et al.
Veröffentlicht: (2024)

Efficient Monte Carlo Tree Search via On-the-Fly State-Conditioned Action Abstraction
von: Kwak, Yunhyeok, et al.
Veröffentlicht: (2024)

Ordering-based Causal Discovery via Generalized Score Matching
von: Vo, Vy, et al.
Veröffentlicht: (2026)

Networks of Causal Abstractions: A Sheaf-theoretic Framework
von: D'Acunto, Gabriele, et al.
Veröffentlicht: (2025)

Causal Abstraction in Model Interpretability: A Compact Survey
von: Zhang, Yihao
Veröffentlicht: (2024)

Efficient Latent Variable Causal Discovery: Combining Score Search and Targeted Testing
von: Ramsey, Joseph, et al.
Veröffentlicht: (2025)

Efficient Causal Graph Discovery Using Large Language Models
von: Jiralerspong, Thomas, et al.
Veröffentlicht: (2024)

Toward Structural Multimodal Representations: Specialization, Selection, and Sparsification via Mixture-of-Experts
von: Choi, Hahyeon, et al.
Veröffentlicht: (2026)

Tackling Oversmoothing in GNN via Graph Sparsification: A Truss-based Approach
von: Hossain, Tanvir, et al.
Veröffentlicht: (2024)

A Relational Inductive Bias for Dimensional Abstraction in Neural Networks
von: Campbell, Declan, et al.
Veröffentlicht: (2024)

Conformal Sparsification for Bandwidth-Efficient Edge-Cloud Speculative Decoding
von: Bhattacharjee, Payel, et al.
Veröffentlicht: (2025)

Learning with Expert Abstractions for Efficient Multi-Task Continuous Control
von: Jewett, Jeff, et al.
Veröffentlicht: (2025)

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)