Buchumschlag

Iterative Identification Closure: Amplifying Causal Identifiability in Linear SEMs

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Ding, Ziyi, Zhang, Xiao-Ping
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning Computation
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

GaussDetect-LiNGAM:Causal Direction Identification without Gaussianity test
von: Ding, Ziyi, et al.
Veröffentlicht: (2025)

Step-by-Step Causality: Transparent Causal Discovery with Multi-Agent Tree-Query and Adversarial Confidence Estimation
von: Ding, Ziyi, et al.
Veröffentlicht: (2026)

CausalVAE as a Plug-in for World Models: Towards Reliable Counterfactual Dynamics
von: Ding, Ziyi, et al.
Veröffentlicht: (2026)

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

Identifying Causal Direction via Dense Functional Classes
von: Hlavackova-Schindler, Katerina, et al.
Veröffentlicht: (2025)

Reward Models Identify Consistency, Not Causality
von: Xu, Yuhui, et al.
Veröffentlicht: (2025)

Distributed Learning of Generalized Linear Causal Networks
von: Ye, Qiaoling, et al.
Veröffentlicht: (2022)

IRIS: An Iterative and Integrated Framework for Verifiable Causal Discovery in the Absence of Tabular Data
von: Feng, Tao, et al.
Veröffentlicht: (2025)

Identifying General Mechanism Shifts in Linear Causal Representations
von: Chen, Tianyu, et al.
Veröffentlicht: (2024)

Automatically Identifying Local and Global Circuits with Linear Computation Graphs
von: Ge, Xuyang, et al.
Veröffentlicht: (2024)

Canonical Bayesian Linear System Identification
von: Bryutkin, Andrey, et al.
Veröffentlicht: (2025)

Contextual Feedback Loops: Amplifying Deep Reasoning with Iterative Top-Down Feedback
von: Fein-Ashley, Jacob, et al.
Veröffentlicht: (2024)

Unveiling the Influence of Amplifying Language-Specific Neurons
von: Rahmanisa, Inaya, et al.
Veröffentlicht: (2025)

Finding Closure: A Closer Look at the Gestalt Law of Closure in Convolutional Neural Networks
von: Zhang, Yuyan, et al.
Veröffentlicht: (2024)

Causal Bandits: The Pareto Optimal Frontier of Adaptivity, a Reduction to Linear Bandits, and Limitations around Unknown Marginals
von: Liu, Ziyi, et al.
Veröffentlicht: (2024)

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

Iterative Reweighted Framework Based Algorithms for Sparse Linear Regression with Generalized Elastic Net Penalty
von: Ding, Yanyun, et al.
Veröffentlicht: (2024)

Identifying Causal Effects Under Functional Dependencies
von: Chen, Yizuo, et al.
Veröffentlicht: (2024)

Amplifying, Not Learning: Fine-Tuned AI Text Detectors Amplify a Pretrained Direction
von: Smirnov, Alexander
Veröffentlicht: (2026)

Flow Priors for Linear Inverse Problems via Iterative Corrupted Trajectory Matching
von: Zhang, Yasi, et al.
Veröffentlicht: (2024)

The LLM Language Network: A Neuroscientific Approach for Identifying Causally Task-Relevant Units
von: AlKhamissi, Badr, et al.
Veröffentlicht: (2024)

Identification of Bivariate Causal Directionality Based on Anticipated Asymmetric Geometries
von: Glushkovsky, Alex
Veröffentlicht: (2026)

ChemAmp: Amplified Chemistry Tools via Composable Agents
von: Li, Zhucong, et al.
Veröffentlicht: (2025)

Multi-Trigger Poisoning Amplifies Backdoor Vulnerabilities in LLMs
von: Sivapiromrat, Sanhanat, et al.
Veröffentlicht: (2025)

On the Identifiability of Causal Abstractions
von: Li, Xiusi, et al.
Veröffentlicht: (2025)

Narrative Feature or Structured Feature? A Study of Large Language Models to Identify Cancer Patients at Risk of Heart Failure
von: Chen, Ziyi, et al.
Veröffentlicht: (2024)

CausalLM is not optimal for in-context learning
von: Ding, Nan, et al.
Veröffentlicht: (2023)

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

Dual-View Inference Attack: Machine Unlearning Amplifies Privacy Exposure
von: Xue, Lulu, et al.
Veröffentlicht: (2025)

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

Iterative Causal Segmentation: Filling the Gap between Market Segmentation and Marketing Strategy
von: Ding, Kaihua, et al.
Veröffentlicht: (2024)

Bayesian Bandit Algorithms with Approximate Inference in Stochastic Linear Bandits
von: Huang, Ziyi, et al.
Veröffentlicht: (2024)

IntentCoding: Amplifying User Intent in Code Generation
von: Fang, Zheng, et al.
Veröffentlicht: (2026)

All or None: Identifiable Linear Properties of Next-token Predictors in Language Modeling
von: Marconato, Emanuele, et al.
Veröffentlicht: (2024)

On the Identifiability of Causal Graphs with the Invariance Principle
von: Montagna, Francesco
Veröffentlicht: (2025)

Investigating the Gestalt Principle of Closure in Deep Convolutional Neural Networks
von: Zhang, Yuyan, et al.
Veröffentlicht: (2024)

LeetDecoding: A PyTorch Library for Exponentially Decaying Causal Linear Attention with CUDA Implementations
von: Wang, Jiaping, et al.
Veröffentlicht: (2025)

IDIAPers @ Causal News Corpus 2022: Efficient Causal Relation Identification Through a Prompt-based Few-shot Approach
von: Burdisso, Sergio, et al.
Veröffentlicht: (2022)

Amortized Inference of Causal Models via Conditional Fixed-Point Iterations
von: Mahajan, Divyat, et al.
Veröffentlicht: (2024)

CausalEvolve: Towards Open-Ended Discovery with Causal Scratchpad
von: Chen, Yongqiang, et al.
Veröffentlicht: (2026)