論文の概要: ARCADIA: Scalable Causal Discovery for Corporate Bankruptcy Analysis Using Agentic AI

• arxiv url: http://arxiv.org/abs/2512.00839v1
• Date: Sun, 30 Nov 2025 11:21:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-02 19:46:34.446929
• Title: ARCADIA: Scalable Causal Discovery for Corporate Bankruptcy Analysis Using Agentic AI
• Title（参考訳）: ARCADIA:エージェントAIを用いた企業破産分析のためのスケーラブルな因果発見
• Authors: Fabrizio Maturo, Donato Riccio, Andrea Mazzitelli, Giuseppe Bifulco, Francesco Paolone, Iulia Brezeanu,
• Abstract要約: ARCADIAは、大言語モデル推論と統計的診断を統合し、有効な因果構造を構築する。 従来のアルゴリズムとは異なり、ARCADIAは制約誘導のプロンプトと因果正当性フィードバックを通じて、候補DAGを反復的に洗練する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper introduces ARCADIA, an agentic AI framework for causal discovery that integrates large-language-model reasoning with statistical diagnostics to construct valid, temporally coherent causal structures. Unlike traditional algorithms, ARCADIA iteratively refines candidate DAGs through constraint-guided prompting and causal-validity feedback, leading to stable and interpretable models for real-world high-stakes domains. Experiments on corporate bankruptcy data show that ARCADIA produces more reliable causal graphs than NOTEARS, GOLEM, and DirectLiNGAM while offering a fully explainable, intervention-ready pipeline. The framework advances AI by demonstrating how agentic LLMs can participate in autonomous scientific modeling and structured causal inference.
• Abstract（参考訳）: 本稿では,大規模言語モデル推論と統計的診断を統合した因果発見のためのエージェントAIフレームワークであるARCADIAを紹介する。 従来のアルゴリズムとは異なり、ARCADIAは制約誘導のプロンプトと因果正当性フィードバックを通じて候補DAGを反復的に洗練し、現実世界のハイテイクドメインに対する安定かつ解釈可能なモデルを生み出す。 企業破産データの実験によると、ARCADIAはNOTEARS、GOLEM、DirectLiNGAMよりも信頼性の高い因果グラフを生成し、完全に説明可能な介入対応パイプラインを提供している。 このフレームワークは、エージェントLLMが自律的な科学モデリングと構造化因果推論にどのように参加できるかを示すことによって、AIを前進させる。

関連論文リスト

• DODO: Causal Structure Learning with Budgeted Interventions [1.0323063834827415]
  本稿では,エージェントが環境の因果構造を自律的に学習する方法を定義するアルゴリズムであるDODOを紹介する。 その結果,最も限られた資源条件を除いて,観測的アプローチに比べ,DODOの性能は向上した。
  論文  参考訳（メタデータ） (2025-10-09T13:32:33Z)
• Anomaly Detection and Generation with Diffusion Models: A Survey [51.61574868316922]
  異常検出(AD)は、サイバーセキュリティ、金融、医療、工業製造など、さまざまな分野において重要な役割を担っている。 近年のディープラーニング,特に拡散モデル(DM)の進歩は,大きな関心を集めている。 この調査は、研究者や実践者が様々なアプリケーションにまたがる革新的なADソリューションにDMを利用することをガイドすることを目的としている。
  論文  参考訳（メタデータ） (2025-06-11T03:29:18Z)
• Beyond Correlation: Towards Causal Large Language Model Agents in Biomedicine [0.14700417433722487]
  大規模言語モデル(LLM)は、生医学において有望であるが、真の因果理解が欠如しており、代わりに相関に依存する。 本稿では、マルチモーダルデータ(テキスト、画像、ゲノムなど)を統合し、介入に基づく推論を行い、原因と効果を推測する因果的LLMエージェントを構想する。
  論文  参考訳（メタデータ） (2025-05-22T17:52:59Z)
• Beyond Patterns: Harnessing Causal Logic for Autonomous Driving Trajectory Prediction [10.21659221112514]
  本稿では、因果推論を利用して予測堅牢性、一般化、精度を向上させる新しい軌道予測フレームワークを提案する。 本研究は、軌跡予測の因果推論の可能性を強調し、ロバストな自律運転システムへの道を開くものである。
  論文  参考訳（メタデータ） (2025-05-11T05:56:07Z)
• Retrieval is Not Enough: Enhancing RAG Reasoning through Test-Time Critique and Optimization [58.390885294401066]
  Retrieval-augmented Generation (RAG) は知識基底型大規模言語モデル(LLM)を実現するためのパラダイムとして広く採用されている。 RAGパイプラインは、モデル推論が得られた証拠と整合性を維持するのに失敗することが多く、事実上の矛盾や否定的な結論につながる。 批判駆動アライメント(CDA)に基づく新しい反復的枠組みであるAlignRAGを提案する。 AlignRAG-autoは、動的に洗練を終了し、批判的な反復回数を事前に指定する必要がなくなる自律的な変種である。
  論文  参考訳（メタデータ） (2025-04-21T04:56:47Z)
• Causal-Copilot: An Autonomous Causal Analysis Agent [25.5944359329613]
  Causal-Copilotは、専門家レベルの因果分析を運用する自律エージェントである。 自然言語によるインタラクティブな洗練をサポートし、非専門主義者の障壁を低くする。 私たちのシステムは、ドメインエキスパートのための高度な因果的手法へのアクセスを拡大する、活発なサイクルを育みます。
  論文  参考訳（メタデータ） (2025-04-17T18:05:39Z)
• A Closer Look at the Self-Verification Abilities of Large Language Models in Logical Reasoning [73.77088902676306]
  論理的推論の文脈において,大規模言語モデル(LLM)の自己検証能力について詳しく検討する。 本研究の主目的は,既存のLCMが誤った推論手順を正確に識別するのに苦労し,自己検証法の有効性を保証できないことにある。
  論文  参考訳（メタデータ） (2023-11-14T07:13:10Z)
• RCAgent: Cloud Root Cause Analysis by Autonomous Agents with Tool-Augmented Large Language Models [46.476439550746136]
  近年,クラウド根本原因分析(RCA)における言語モデル (LLM) の適用が活発に検討されている。 RCAgentは、実用的でプライバシに配慮した産業RCA利用のためのツール強化LDM自律エージェントフレームワークである。 RCAgentはGPTファミリではなく、内部的にデプロイされたモデル上で動作し、フリーフォームのデータ収集とツールによる包括的な分析を行うことができる。
  論文  参考訳（メタデータ） (2023-10-25T03:53:31Z)

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。