Buchumschlag

SEDGE: Structural Extrapolated Data Generation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhang, Kun, Sun, Jiaqi, Li, Yiqing, Ng, Ignavier, Deka, Namrata, Xie, Shaoan
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 Representation Learning from Multiple Distributions: A General Setting
von: Zhang, Kun, et al.
Veröffentlicht: (2024)

Causal Representation Learning from General Environments under Nonparametric Mixing
von: Ng, Ignavier, et al.
Veröffentlicht: (2026)

Structure Learning with Continuous Optimization: A Sober Look and Beyond
von: Ng, Ignavier, et al.
Veröffentlicht: (2023)

Revisiting Differentiable Structure Learning: Inconsistency of $\ell_1$ Penalty and Beyond
von: Jin, Kaifeng, et al.
Veröffentlicht: (2024)

Score-based Greedy Search for Structure Identification of Partially Observed Linear Causal Models
von: Dong, Xinshuai, et al.
Veröffentlicht: (2025)

Synergy Between Sufficient Changes and Sparse Mixing Procedure for Disentangled Representation Learning
von: Li, Zijian, et al.
Veröffentlicht: (2025)

Controllable Video Generation with Provable Disentanglement
von: Shen, Yifan, et al.
Veröffentlicht: (2025)

On the Identifiability of Nonlinear ICA: Sparsity and Beyond
von: Zheng, Yujia, et al.
Veröffentlicht: (2022)

On the Identifiability of Sparse ICA without Assuming Non-Gaussianity
von: Ng, Ignavier, et al.
Veröffentlicht: (2024)

Differentiable Causal Discovery For Latent Hierarchical Causal Models
von: Prashant, Parjanya, et al.
Veröffentlicht: (2024)

Higher-Order Causal Structure Learning with Additive Models
von: Enouen, James, et al.
Veröffentlicht: (2025)

A General Representation-Based Approach to Multi-Source Domain Adaptation
von: Ng, Ignavier, et al.
Veröffentlicht: (2026)

Nonparametric Identification of Latent Concepts
von: Zheng, Yujia, et al.
Veröffentlicht: (2025)

Debiasing Reward Models by Representation Learning with Guarantees
von: Ng, Ignavier, et al.
Veröffentlicht: (2025)

Local Causal Discovery with Linear non-Gaussian Cyclic Models
von: Dai, Haoyue, et al.
Veröffentlicht: (2024)

Continual Learning of Nonlinear Independent Representations
von: Sun, Boyang, et al.
Veröffentlicht: (2024)

Latent Variable Causal Discovery under Selection Bias
von: Dai, Haoyue, et al.
Veröffentlicht: (2025)

Federated Causal Discovery from Heterogeneous Data
von: Li, Loka, et al.
Veröffentlicht: (2024)

Permutation-Based Rank Test in the Presence of Discretization and Application in Causal Discovery with Mixed Data
von: Dong, Xinshuai, et al.
Veröffentlicht: (2025)

Beyond the Black Box: Identifiable Interpretation and Control in Generative Models via Causal Minimality
von: Kong, Lingjing, et al.
Veröffentlicht: (2025)

When Selection Meets Intervention: Additional Complexities in Causal Discovery
von: Dai, Haoyue, et al.
Veröffentlicht: (2025)

A Dialogue between Causal and Traditional Representation Learning: Toward Mutual Benefits in a Unified Formulation
von: Li, Yan, et al.
Veröffentlicht: (2026)

Advancing Counterfactual Inference through Nonlinear Quantile Regression
von: Xie, Shaoan, et al.
Veröffentlicht: (2023)

Learning General Causal Structures with Hidden Dynamic Process for Climate Analysis
von: Fu, Minghao, et al.
Veröffentlicht: (2025)

On the Parameter Identifiability of Partially Observed Linear Causal Models
von: Dong, Xinshuai, et al.
Veröffentlicht: (2024)

Gene Regulatory Network Inference in the Presence of Dropouts: a Causal View
von: Dai, Haoyue, et al.
Veröffentlicht: (2024)

Graph Structure and Feature Extrapolation for Out-of-Distribution Generalization
von: Li, Xiner, et al.
Veröffentlicht: (2023)

From Generalist to Specialist Representation
von: Zheng, Yujia, et al.
Veröffentlicht: (2026)

Learning by Analogy: A Causal Framework for Composition Generalization
von: Kong, Lingjing, et al.
Veröffentlicht: (2025)

Data Difficulty and the Generalization--Extrapolation Tradeoff in LLM Fine-Tuning
von: Liu, Siyuan, et al.
Veröffentlicht: (2026)

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

On the Hardness of Conditional Independence Testing In Practice
von: He, Zheng, et al.
Veröffentlicht: (2025)

Analytic DAG Constraints for Differentiable DAG Learning
von: Zhang, Zhen, et al.
Veröffentlicht: (2025)

Differentially Private Manifold Denoising
von: Wu, Jiaqi, et al.
Veröffentlicht: (2026)

Towards Understanding Extrapolation: a Causal Lens
von: Kong, Lingjing, et al.
Veröffentlicht: (2025)

The Power of Order: Fooling LLMs with Adversarial Table Permutations
von: Dong, Xinshuai, et al.
Veröffentlicht: (2026)

Partial Identifiability for Domain Adaptation
von: Kong, Lingjing, et al.
Veröffentlicht: (2023)

The Extrapolation Cliff in On-Policy Distillation of Near-Deterministic Structured Outputs
von: Li, Xin, et al.
Veröffentlicht: (2026)

Constant Stepsize Q-learning: Distributional Convergence, Bias and Extrapolation
von: Zhang, Yixuan, et al.
Veröffentlicht: (2024)

Align Your Structures: Generating Trajectories with Structure Pretraining for Molecular Dynamics
von: Iyengar, Aniketh, et al.
Veröffentlicht: (2026)