Buchumschlag

Causality Elicitation from Large Language Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Kameyama, Takashi, Kato, Masahiro, Hio, Yasuko, Takano, Yasushi, Minakawa, Naoto
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning Artificial Intelligence Computation and Language Econometrics
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Generalized Neyman Allocation for Locally Minimax Optimal Best-Arm Identification
von: Kato, Masahiro
Veröffentlicht: (2024)

Learning from Double Positive and Unlabeled Data for Potential-Customer Identification
von: Kato, Masahiro, et al.
Veröffentlicht: (2025)

Adaptive Experimental Design for Policy Learning
von: Kato, Masahiro, et al.
Veröffentlicht: (2024)

Macroeconomic Forecasting with Large Language Models
von: Carriero, Andrea, et al.
Veröffentlicht: (2024)

LABOR-LLM: Language-Based Occupational Representations with Large Language Models
von: Athey, Susan, et al.
Veröffentlicht: (2024)

Causal-Policy Forest for End-to-End Policy Learning
von: Kato, Masahiro
Veröffentlicht: (2025)

Management Decisions in Manufacturing using Causal Machine Learning -- To Rework, or not to Rework?
von: Schwarz, Philipp, et al.
Veröffentlicht: (2024)

Semi-Supervised Treatment Effect Estimation with Unlabeled Covariates for Prediction-Powered Causal Inference
von: Kato, Masahiro
Veröffentlicht: (2025)

A Unified Theory for Causal Inference: Direct Debiased Machine Learning via Bregman-Riesz Regression
von: Kato, Masahiro
Veröffentlicht: (2025)

Semiparametric Preference Optimization: Your Language Model is Secretly a Single-Index Model
von: Kallus, Nathan
Veröffentlicht: (2025)

Causal EpiNets: Precision-corrected Bounds on Individual Treatment Effects using Epistemic Neural Networks
von: Patil, Gandharv, et al.
Veröffentlicht: (2026)

Causal Inference on Outcomes Learned from Text
von: Modarressi, Iman, et al.
Veröffentlicht: (2025)

Learning Causal Representations from General Environments: Identifiability and Intrinsic Ambiguity
von: Jin, Jikai, et al.
Veröffentlicht: (2023)

Multi-Band Variable-Lag Granger Causality: A Unified Framework for Causal Time Series Inference across Frequencies
von: Sookkongwaree, Chakattrai, et al.
Veröffentlicht: (2025)

Robust Time Series Causal Discovery for Agent-Based Model Validation
von: Yu, Gene, et al.
Veröffentlicht: (2024)

Triple/Debiased Lasso for Statistical Inference of Conditional Average Treatment Effects
von: Kato, Masahiro
Veröffentlicht: (2024)

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

Econometric vs. Causal Structure-Learning for Time-Series Policy Decisions: Evidence from the UK COVID-19 Policies
von: Petrungaro, Bruno, et al.
Veröffentlicht: (2026)

Auditing and Fixing Economic Validity in Tabular Foundation Models for Discrete Choice
von: Wang, Yingshuo, et al.
Veröffentlicht: (2026)

Conformal Prediction for Nonparametric Instrumental Regression
von: Kato, Masahiro
Veröffentlicht: (2026)

A Hybrid Framework for Reinsurance Optimization: Integrating Generative Models and Reinforcement Learning
von: Dong, Stella C.
Veröffentlicht: (2025)

Conformal Predictive Portfolio Selection
von: Kato, Masahiro
Veröffentlicht: (2024)

An Empirical Risk Minimization Approach for Offline Inverse RL and Dynamic Discrete Choice Model
von: Kang, Enoch H., et al.
Veröffentlicht: (2025)

DeXposure-FM: A Time-series, Graph Foundation Model for Credit Exposures and Stability on Decentralized Financial Networks
von: Shu, Aijie, et al.
Veröffentlicht: (2026)

Self-Training Elicits Concise Reasoning in Large Language Models
von: Munkhbat, Tergel, et al.
Veröffentlicht: (2025)

Asymptotically Unbiased Synthetic Control Methods by Moment Matching
von: Kato, Masahiro, et al.
Veröffentlicht: (2023)

$T^2$ of Thoughts: Temperature Tree Elicits Reasoning in Large Language Models
von: Cai, Chengkun, et al.
Veröffentlicht: (2024)

Graph Elicitation for Guiding Multi-Step Reasoning in Large Language Models
von: Park, Jinyoung, et al.
Veröffentlicht: (2023)

Covariate Balancing and Riesz Regression Should Be Guided by the Neyman Orthogonal Score in Debiased Machine Learning
von: Kato, Masahiro
Veröffentlicht: (2026)

General Bayesian Policy Learning
von: Kato, Masahiro
Veröffentlicht: (2026)

genriesz: A Python Package for Automatic Debiased Machine Learning with Generalized Riesz Regression
von: Kato, Masahiro
Veröffentlicht: (2026)

A Unified Framework for Debiased Machine Learning: Riesz Representer Fitting under Bregman Divergence
von: Kato, Masahiro
Veröffentlicht: (2026)

Riesz Regression As Direct Density Ratio Estimation
von: Kato, Masahiro
Veröffentlicht: (2025)

Nearest Neighbor Matching as Least Squares Density Ratio Estimation and Riesz Regression
von: Kato, Masahiro
Veröffentlicht: (2025)

Direct Bias-Correction Term Estimation for Average Treatment Effect Estimation
von: Kato, Masahiro
Veröffentlicht: (2025)

Minimax and Bayes Optimal Best-Arm Identification
von: Kato, Masahiro
Veröffentlicht: (2025)

Locally Optimal Fixed-Budget Best Arm Identification in Two-Armed Gaussian Bandits with Unknown Variances
von: Kato, Masahiro
Veröffentlicht: (2023)

Debiased Nonparametric Regression for Statistical Inference and Distributionally Robustness
von: Kato, Masahiro
Veröffentlicht: (2024)

Minimax Optimal Simple Regret in Two-Armed Best-Arm Identification
von: Kato, Masahiro
Veröffentlicht: (2024)

Direct Debiased Machine Learning via Bregman Divergence Minimization
von: Kato, Masahiro
Veröffentlicht: (2025)