AITOP

反事实推理

共 5 条相关 AI 资讯
7月24日
12:04
12:04官方账号arXiv cs.LG@Hongnan Ma, Yiwei Shi, Mengyue Yang, Weiru Liu
TimePNS框架解决了现有充分性导向方法可能将无关子序列误判为重要的问题，该框架采用两阶段设计：阶段I学习因果生成过程和充分性掩码；阶段II通过反事实干预评估时间因子的必要性，并以此监督时间门细化解释。在合成和真实时间序列基准上的实验表明，TimePNS能更准确地识别决策关键子序列，并在充分性-必要性权衡上持续优于强基线方法。
论文TimePNS时间序列可解释性
推荐理由：时间序列分类的黑盒解释往往只找够用的特征，但可能抓到噪音。这篇论文提出了TimePNS，用反事实推理揪出真正必要的子序列，实验效果比现有方法好。
原文
7月21日
10:54
10:54官方账号arXiv cs.AI@Zhanbo Li, Shifeng Wu, Xiangjin Meng, Wenjie Cai
精选
该论文提出数据优先本体论，将确定性知识移入显式多模态数据库DaoQL。在五个领域的反事实实验（n=1250）中，DaoQL+GPT-4o达到94%可组合反事实分解性，比单独GPT-4o高49个百分点。DaoQL在同机嵌入式设置中报告图BFS为1.20 ms、HNSW为83.1 us、Fluent混合查询为105.8 us。在LDBC SNB SF1和ANN-Benchmarks上实现34/34查询覆盖，ANN-Benchmarks在桥边保护修复后Recall@10>=99%且千级QPS。论文明确区分可证明结构、初步实证证据和架构路线图声明。
AI模型DaoQLGPT-4o反事实推理
推荐理由：这篇论文把LLM当推理引擎，把知识存进显式数据库DaoQL，反事实推理比GPT-4o单独强49个百分点，适合做高精度场景的参考。
原文
6月19日
11:37
11:37官方账号arXiv cs.AI@Saimun Habib, Vaishak Belle, Fengxiang He
DeepSWIP为DeepProbLog引入单世界反事实语义，通过神经具体化将固定上下文神经谓词转为ProbLog选择，并应用单世界干预程序(SWIP)计算反事实。实验在MPI3D数据集上对比DeepTwin构造，针对12,000个查询实现2.14倍推理加速。SUMO HOV实验表明神经校准退化会偏误插件估计，而AIPW估计器可消除大部分一阶偏差。代码已开源。
论文DeepSWIPDeepProbLog反事实推理
推荐理由：想给概率逻辑程序加上精准的反事实推理？DeepSWIP用商WMC方法避免了DeepTwin的内生重复，实测快两倍多，做因果推断的朋友可以看看。
原文
6月16日
10:34
10:34官方账号arXiv cs.LG@Van Thong Huynh, Hong Hai Nguyen, Thuy Pham, Trong Nghia Nguyen, Soo-Hyung Kim
FACR将面部动作单元到情绪的推理建模为反事实一致性问题，提出基于独立诱导极性感知因果图G的训练目标。在UNBC-PAIN数据集上的主体无关评估中，该目标将调用动作单元与PSPI构造的一致性从基线0.08提升至0.57，代价是检测精度小幅下降。跨数据集七类情绪任务中一致性从0.50提升至0.84。通过将动作单元潜在激活与文本生成绑定，可实现语言解释的构造性忠实性，并迁移至第二套语言模型骨干。
论文FACRPSPIUNBC-PAIN
推荐理由：这篇论文提出了FACR方法，用反事实干预让模型解释情绪时真正依赖因果相关的动作单元，不再只是表面合理，在UNBC-PAIN上一致性从0.08跳到0.57。
原文
6月10日
13:03
13:03官方账号arXiv cs.AI@Fabio Rovai
精选
论文发现一个反直觉的失败模式：即使有足够观测和干预数据，强预测器在识别反事实世界之间的耦合时也会崩溃为单点，而真实值是一个数据无法缩小的可接受区间。作者提出将世界模型建模为可接受世界上的正半定耦合核，其对角线是普通后验（预测器能恢复的），非对角线是跨世界耦合（预测器无法恢复的）。该耦合核可以被边界约束、通过逻辑结构收紧、并通过针对性约束学习来缩小差距。论文提供了完整的理论框架，并指出完全重建该核在Sly-Sun阈值以下是可处理的，以上则不可近似。
论文因果推断反事实推理世界模型
推荐理由：这篇论文戳破了“数据足够就能预测一切”的常见假设，做因果推断、反事实推理或世界模型研究的开发者会看到理论上的新边界——原来预测器天生缺失跨世界耦合信息，而WorldKernel给出了补全它的数学框架，值得细读。
原文