★ 3
主动因果发现基准ACDB发布:LLM智能体表现不及传统方法
研究者推出主动因果发现基准ACDB,基于结构因果模型评估LLM智能体在预算受限干预下恢复因果图结构的能力。测试显示,传统PC算法配合贪心主动定向启发式表现最强(有向F1 42.7%),明显优于Claude Sonnet 4.6和GPT-5.4。作者强调当前结果应视为基准审计与校准报告,而非LLM已…
arXiv cs.LG34 天前
共 3 篇相关资讯,按重要度与时间排序,每 3 小时更新。
研究者推出主动因果发现基准ACDB,基于结构因果模型评估LLM智能体在预算受限干预下恢复因果图结构的能力。测试显示,传统PC算法配合贪心主动定向启发式表现最强(有向F1 42.7%),明显优于Claude Sonnet 4.6和GPT-5.4。作者强调当前结果应视为基准审计与校准报告,而非LLM已…
该论文探讨统计学习在分布偏移下的泛化局限,主张用因果模型刻画变化的底层机制。第一部分重构「算法追索」问题,提出更现实的反事实成本函数并引入时间维度;第二部分把因果干预与效应扩展到离散与连续随机过程,将动力系统均衡与结构因果模型(SCM)关联。核心论点是模型的可信度取决于其能否真实表征底层现象。
论文基于结构因果模型(SCM)提出概念漂移的因果视角,按漂移的因果来源分类,包括外生变量、内生机制、混杂因素与目标生成过程的变化。作者构建了可模拟机制级漂移的SCM数据流生成器,实验显示不同因果来源的漂移会引发不同的分布偏移与预测行为模式。该框架为非平稳环境下的自适应学习评估提供了因果感知基础。