Buchumschlag

Observationally Informed Adaptive Causal Experimental Design

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Gao, Erdun, Zhang, Liang, Fawkes, Jake, Zuo, Aoqi, Liu, Wenqin, Li, Haoxuan, Gong, Mingming, Sejdinovic, Dino
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

Causal-EPIG: A Prediction-Oriented Active Learning Framework for CATE Estimation
von: Gao, Erdun, et al.
Veröffentlicht: (2025)

ActiveCQ: Active Estimation of Causal Quantities
von: Gao, Erdun, et al.
Veröffentlicht: (2025)

An Overview of Causal Inference using Kernel Embeddings
von: Sejdinovic, Dino
Veröffentlicht: (2024)

Interventional Fairness on Partially Known Causal Graphs: A Constrained Optimization Approach
von: Zuo, Aoqi, et al.
Veröffentlicht: (2024)

Bayesian Adaptive Calibration and Optimal Design
von: Oliveira, Rafael, et al.
Veröffentlicht: (2024)

All Models Are Miscalibrated, But Some Less So: Comparing Calibration with Conditional Mean Operators
von: Moskvichev, Peter, et al.
Veröffentlicht: (2025)

A Kernel Test for Causal Association via Noise Contrastive Backdoor Adjustment
von: Hu, Robert, et al.
Veröffentlicht: (2021)

The Hardness of Validating Observational Studies with Experimental Data
von: Fawkes, Jake, et al.
Veröffentlicht: (2025)

$f$-Trajectory Balance: A Loss Family for Tuning GFlowNets, Generative Models, and LLMs with Off- and On-Policy Data
von: Fawkes, Jake, et al.
Veröffentlicht: (2026)

Label Distribution Learning using the Squared Neural Family on the Probability Simplex
von: Zhang, Daokun, et al.
Veröffentlicht: (2024)

Instrumental and Proximal Causal Inference with Gaussian Processes
von: Zhang, Yuqi, et al.
Veröffentlicht: (2026)

The Fragility of Fairness: Causal Sensitivity Analysis for Fair Machine Learning
von: Fawkes, Jake, et al.
Veröffentlicht: (2024)

Neural-Kernel Conditional Mean Embeddings
von: Shimizu, Eiki, et al.
Veröffentlicht: (2024)

The Generalised Kernel Covariance Measure
von: Bergen, Luca, et al.
Veröffentlicht: (2026)

Measuring Differences between Conditional Distributions using Kernel Embeddings
von: Moskvichev, Peter, et al.
Veröffentlicht: (2026)

Exact, Fast and Expressive Poisson Point Processes via Squared Neural Families
von: Tsuchida, Russell, et al.
Veröffentlicht: (2024)

Beyond DAGs: A Latent Partial Causal Model for Multimodal Learning
von: Liu, Yuhang, et al.
Veröffentlicht: (2024)

FaIRGP: A Bayesian Energy Balance Model for Surface Temperatures Emulation
von: Bouabid, Shahine, et al.
Veröffentlicht: (2023)

Squared families: Searching beyond regular probability models
von: Tsuchida, Russell, et al.
Veröffentlicht: (2025)

Near-Optimal Approximations for Bayesian Inference in Function Space
von: Wild, Veit, et al.
Veröffentlicht: (2025)

A Skewness-Based Criterion for Addressing Heteroscedastic Noise in Causal Discovery
von: Lin, Yingyu, et al.
Veröffentlicht: (2024)

Indirect Query Bayesian Optimization with Integrated Feedback
von: Zhang, Mengyan, et al.
Veröffentlicht: (2024)

Learning Latent Dynamical Causal Processes for Single-Cell Perturbation Prediction
von: Jiang, Wenkang, et al.
Veröffentlicht: (2026)

The Role of Learning Algorithms in Collective Action
von: Ben-Dov, Omri, et al.
Veröffentlicht: (2024)

Towards Identifiable Latent Additive Noise Models
von: Liu, Yuhang, et al.
Veröffentlicht: (2024)

Credal Two-Sample Tests of Epistemic Uncertainty
von: Chau, Siu Lun, et al.
Veröffentlicht: (2024)

On the Recoverability of Causal Relations from Temporally Aggregated I.I.D. Data
von: Fan, Shunxing, et al.
Veröffentlicht: (2024)

I Predict Therefore I Am: Is Next Token Prediction Enough to Learn Human-Interpretable Concepts from Data?
von: Liu, Yuhang, et al.
Veröffentlicht: (2025)

Gaussian Processes and Reproducing Kernels: Connections and Equivalences
von: Kanagawa, Motonobu, et al.
Veröffentlicht: (2025)

Adaptive Online Experimental Design for Causal Discovery
von: Elahi, Muhammad Qasim, et al.
Veröffentlicht: (2024)

A Partial Initialization Strategy to Mitigate the Overfitting Problem in CATE Estimation with Hidden Confounding
von: Zhou, Chuan, et al.
Veröffentlicht: (2025)

Concept Component Analysis: A Principled Approach for Concept Extraction in LLMs
von: Liu, Yuhang, et al.
Veröffentlicht: (2026)

Is merging worth it? Securely evaluating the information gain for causal dataset acquisition
von: Fawkes, Jake, et al.
Veröffentlicht: (2024)

Giga-scale Kernel Matrix Vector Multiplication on GPU
von: Hu, Robert, et al.
Veröffentlicht: (2022)

Estimating the Effects of Sample Training Orders for Large Language Models without Retraining
von: Yang, Hao, et al.
Veröffentlicht: (2025)

Semi-Supervised Learning under General Causal Models
von: Moore, Archer, et al.
Veröffentlicht: (2025)

Identifying Weight-Variant Latent Causal Models
von: Liu, Yuhang, et al.
Veröffentlicht: (2022)

Interpretable Clustering with Adaptive Heterogeneous Causal Structure Learning in Mixed Observational Data
von: Li, Wenrui, et al.
Veröffentlicht: (2025)

Towards Autonomous Mechanistic Reasoning in Virtual Cells
von: Jang, Yunhui, et al.
Veröffentlicht: (2026)

Uncertainty Propagation in LLM-Based Systems
von: Xia, Boming, et al.
Veröffentlicht: (2026)