Buchumschlag

Causal methods for LLM development and evaluation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Frauen, Dennis, Brockschmidt, Marie, Hess, Konstantin, Ma, Haorui, Ma, Yuchen, Maarouf, Abdurahman, Schröder, Maresa, Schweisthal, Jonas, Wang, Yuxin, Deviyani, Athiya, Parbhoo, Sonali, Krishnan, Rahul G., Feuerriegel, Stefan
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

Conformal Prediction for Causal Effects of Continuous Treatments
von: Schröder, Maresa, et al.
Veröffentlicht: (2024)

Constructing Confidence Intervals for Average Treatment Effects from Multiple Datasets
von: Wang, Yuxin, et al.
Veröffentlicht: (2024)

Learning Representations of Instruments for Partial Identification of Treatment Effects
von: Schweisthal, Jonas, et al.
Veröffentlicht: (2024)

Amortizing Causal Sensitivity Analysis via Prior Data-Fitted Networks
von: Javurek, Emil, et al.
Veröffentlicht: (2026)

Assessing the robustness of heterogeneous treatment effects in survival analysis under informative censoring
von: Wang, Yuxin, et al.
Veröffentlicht: (2025)

SurvDiff: A Diffusion Model for Generating Synthetic Data in Survival Analysis
von: Brockschmidt, Marie, et al.
Veröffentlicht: (2025)

Orthogonal Survival Learners for Estimating Heterogeneous Treatment Effects from Time-to-Event Data
von: Frauen, Dennis, et al.
Veröffentlicht: (2025)

Adaptive Experimentation for Censored Survival Outcomes
von: Wang, Yuxin, et al.
Veröffentlicht: (2026)

Causal Fairness under Unobserved Confounding: A Neural Sensitivity Framework
von: Schröder, Maresa, et al.
Veröffentlicht: (2023)

Nonparametric LLM Evaluation from Preference Data
von: Frauen, Dennis, et al.
Veröffentlicht: (2026)

LLM-Driven Treatment Effect Estimation Under Inference Time Text Confounding
von: Ma, Yuchen, et al.
Veröffentlicht: (2025)

Orthogonal Representation Learning for Estimating Causal Quantities
von: Melnychuk, Valentyn, et al.
Veröffentlicht: (2025)

An Orthogonal Learner for Individualized Outcomes in Markov Decision Processes
von: Javurek, Emil, et al.
Veröffentlicht: (2025)

Contextual Metric Meta-Evaluation by Measuring Local Metric Accuracy
von: Deviyani, Athiya, et al.
Veröffentlicht: (2025)

DeepBlip: Estimating Conditional Average Treatment Effects Over Time
von: Ma, Haorui, et al.
Veröffentlicht: (2025)

Targeted Synthetic Control Method
von: Wang, Yuxin, et al.
Veröffentlicht: (2026)

Overlap-Adaptive Regularization for Conditional Average Treatment Effect Estimation
von: Melnychuk, Valentyn, et al.
Veröffentlicht: (2025)

Model-agnostic meta-learners for estimating heterogeneous treatment effects over time
von: Frauen, Dennis, et al.
Veröffentlicht: (2024)

Predicting Startup Success Using Large Language Models: A Novel In-Context Learning Approach
von: Maarouf, Abdurahman, et al.
Veröffentlicht: (2026)

The Virality of Hate Speech on Social Media
von: Maarouf, Abdurahman, et al.
Veröffentlicht: (2022)

A Fused Large Language Model for Predicting Startup Success
von: Maarouf, Abdurahman, et al.
Veröffentlicht: (2024)

Analyzing User Characteristics of Hate Speech Spreaders on Social Media
von: Geissler, Dominique, et al.
Veröffentlicht: (2023)

Generative AI may backfire for counterspeech
von: Bär, Dominik, et al.
Veröffentlicht: (2024)

ConfoundingSHAP: Quantifying confounding strength in causal inference
von: Brockschmidt, Marie, et al.
Veröffentlicht: (2026)

A Diffusion-Based Method for Learning the Multi-Outcome Distribution of Medical Treatments
von: Ma, Yuchen, et al.
Veröffentlicht: (2025)

DiffPO: A causal diffusion model for learning distributions of potential outcomes
von: Ma, Yuchen, et al.
Veröffentlicht: (2024)

Orthogonal Learner for Estimating Heterogeneous Long-Term Treatment Effects
von: Ma, Haorui, et al.
Veröffentlicht: (2026)

Foundation Models for Causal Inference via Prior-Data Fitted Networks
von: Ma, Yuchen, et al.
Veröffentlicht: (2025)

Meta-Learners for Partially-Identified Treatment Effects Across Multiple Environments
von: Schweisthal, Jonas, et al.
Veröffentlicht: (2024)

Causal machine learning for predicting treatment outcomes
von: Feuerriegel, Stefan, et al.
Veröffentlicht: (2024)

Efficient and Sharp Off-Policy Learning under Unobserved Confounding
von: Hess, Konstantin, et al.
Veröffentlicht: (2025)

Debiased neural operators for estimating functionals
von: Hess, Konstantin, et al.
Veröffentlicht: (2026)

Bayesian Neural Controlled Differential Equations for Treatment Effect Estimation
von: Hess, Konstantin, et al.
Veröffentlicht: (2023)

IGC-Net for conditional average potential outcome estimation over time
von: Hess, Konstantin, et al.
Veröffentlicht: (2024)

HQP: A Human-Annotated Dataset for Detecting Online Propaganda
von: Maarouf, Abdurahman, et al.
Veröffentlicht: (2023)

Beyond Means: A Dynamic Framework for Predicting Customer Satisfaction
von: Naumzik, Christof, et al.
Veröffentlicht: (2025)

Causal Inference on Networks under Misspecified Exposure Mappings: A Partial Identification Framework
von: Schröder, Maresa, et al.
Veröffentlicht: (2026)

Generalized Bayes for Causal Inference
von: Javurek, Emil, et al.
Veröffentlicht: (2026)

Treatment Effect Estimation for Optimal Decision-Making
von: Frauen, Dennis, et al.
Veröffentlicht: (2025)

Why LLMs Fail at Causal Discovery and How Interventional Agents Escape
von: Roy, Amartya, et al.
Veröffentlicht: (2026)