論文の概要: Counterfactual Identifiability via Dynamic Optimal Transport

• arxiv url: http://arxiv.org/abs/2510.08294v1
• Date: Thu, 09 Oct 2025 14:45:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-10 17:54:15.13991
• Title: Counterfactual Identifiability via Dynamic Optimal Transport
• Title（参考訳）: 動的最適輸送による実測可能性
• Authors: Fabio De Sousa Ribeiro, Ainkaran Santhirasekaram, Ben Glocker,
• Abstract要約: 我々は、反事実は因果的主張を正当化するために識別可能でなければならないと論じている。 反実的推論に関する最近の研究は、有望な結果を示すが、識別に欠ける。
• 参考スコア（独自算出の注目度）: 15.637845261800463
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We address the open question of counterfactual identification for high-dimensional multivariate outcomes from observational data. Pearl (2000) argues that counterfactuals must be identifiable (i.e., recoverable from the observed data distribution) to justify causal claims. A recent line of work on counterfactual inference shows promising results but lacks identification, undermining the causal validity of its estimates. To address this, we establish a foundation for multivariate counterfactual identification using continuous-time flows, including non-Markovian settings under standard criteria. We characterise the conditions under which flow matching yields a unique, monotone and rank-preserving counterfactual transport map with tools from dynamic optimal transport, ensuring consistent inference. Building on this, we validate the theory in controlled scenarios with counterfactual ground-truth and demonstrate improvements in axiomatic counterfactual soundness on real images.
• Abstract（参考訳）: 観測データから高次元多変量結果に対する対実的同定のオープンな問題に対処する。 パール (2000) は、反事実は因果的主張を正当化するために識別可能(すなわち観測されたデータ分布から回復可能)でなければならないと主張している。 反事実推論に関する最近の研究は、有望な結果を示すが、識別に欠けており、その推定の因果的妥当性を損なう。 これを解決するために,マルコフ的でない設定を含む連続時間流を用いた多変量逆ファクト同定の基礎を標準条件で確立する。 本研究では,フローマッチングが一意,単調,等級保存の対物輸送マップを動的最適輸送のツールで生成し,一貫した推論を保証する条件を特徴付ける。 これに基づいて, 実画像上での軸方向の反現実性向上を実証し, 実画像上での軸方向の反現実性向上を実証する。

関連論文リスト

• Latent Veracity Inference for Identifying Errors in Stepwise Reasoning [78.29317733206643]
  本稿では、精度割当てに対する離散探索アルゴリズムであるVeracity Search(VS)を紹介する。 その他の方法では、後続の精度値よりも後続の分布において難解な推論を行う。 VSを一般化し、新しいコンテキストで正確なゼロショットの精度推論を可能にする。
  論文  参考訳（メタデータ） (2025-05-17T04:16:36Z)
• Counterfactual Realizability [52.85109506684737]
  本稿では, 正規化可能性の定義, 分布からサンプルを抽出する能力を導入し, 任意の反事実分布が実現可能であるかどうかを判定する完全アルゴリズムを開発する。 本稿では、因果的公正さと因果的強化学習のモチベーション例を用いて、この新たな反ファクト的データ収集フレームワークの意義を説明する。
  論文  参考訳（メタデータ） (2025-03-14T20:54:27Z)
• Identifiable Latent Neural Causal Models [82.14087963690561]
  因果表現学習は、低レベルの観測データから潜伏した高レベルの因果表現を明らかにすることを目指している。 因果表現の識別可能性に寄与する分布シフトのタイプを決定する。 本稿では,本研究の成果を実用的なアルゴリズムに翻訳し,信頼性の高い潜在因果表現の取得を可能にする。
  論文  参考訳（メタデータ） (2024-03-23T04:13:55Z)
• Advancing Counterfactual Inference through Nonlinear Quantile Regression [77.28323341329461]
  ニューラルネットワークで実装された効率的かつ効果的な対実的推論のためのフレームワークを提案する。 提案手法は、推定された反事実結果から見つからないデータまでを一般化する能力を高める。 複数のデータセットで実施した実証実験の結果は、我々の理論的な主張に対する説得力のある支持を提供する。
  論文  参考訳（メタデータ） (2023-06-09T08:30:51Z)
• Context-Aware Drift Detection [0.0]
  均質性の2サンプル試験は、既存のドリフト検出手法が構築される基礎となる。 条件分布処理効果の2サンプル試験の基礎の上に構築した,より一般的なドリフト検出フレームワークを開発した。
  論文  参考訳（メタデータ） (2022-03-16T14:23:02Z)
• Nested Counterfactual Identification from Arbitrary Surrogate Experiments [95.48089725859298]
  観測と実験の任意の組み合わせからネスト反事実の同定について検討した。 具体的には、任意のネストされた反事実を非ネストされたものへ写像できる反ファクト的非ネスト定理(英語版)(CUT)を証明する。
  論文  参考訳（メタデータ） (2021-07-07T12:51:04Z)
• AmbiFC: Fact-Checking Ambiguous Claims with Evidence [57.7091560922174]
  実世界の情報ニーズから10kクレームを抽出したファクトチェックデータセットであるAmbiFCを提示する。 アンビFCの証拠に対する主張を比較する際に,曖昧さから生じる不一致を分析した。 我々は,このあいまいさをソフトラベルで予測するモデルを開発した。
  論文  参考訳（メタデータ） (2021-04-01T17:40:08Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。