★ 2
用大模型克服解释结构建模难题
解释结构建模（ISM）传统依赖专家反复交互，难以扩展到数百变量的研究。本文探索LLM-ISM集成方法，将大模型作为不完美专家进行因果图发现，比较成对、k元、逐行与全图四种方法。结果显示逐行法（SHD=160，F1=0.77）与全图法（SHD=135，F1=0.73）表现最佳。
arXiv cs.LG28 天前
共 2 篇相关资讯，按重要度与时间排序，每 3 小时更新。
解释结构建模（ISM）传统依赖专家反复交互，难以扩展到数百变量的研究。本文探索LLM-ISM集成方法，将大模型作为不完美专家进行因果图发现，比较成对、k元、逐行与全图四种方法。结果显示逐行法（SHD=160，F1=0.77）与全图法（SHD=135，F1=0.73）表现最佳。
论文提出OmniMed-Jev，将每个医学决策表示为对运行时候选集的Choice、Noul或Score决策，并返回完整概率分布，使异构输出变为可比较的概率。在与同骨干、同数据训练的生成式基线对比中，其报告概率更贴近实际正确率，校准误差降低最多一个数量级。作者强调结果仅支持显式决策建模的价值，不构成…