論文の概要: Causal Counterfactuals Reconsidered

• arxiv url: http://arxiv.org/abs/2512.12804v1
• Date: Sun, 14 Dec 2025 18:59:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-16 17:54:56.449795
• Title: Causal Counterfactuals Reconsidered
• Title（参考訳）: 因果防止策の再考
• Authors: Sander Beckers,
• Abstract要約: 標準パール意味論を一般化する反事実の確率に関する新しい意味論を開発する。 私のセマンティクスは、反事実に関するパールとダウィドの長年にわたる議論において、自然な妥協をもたらす。
• 参考スコア（独自算出の注目度）: 5.079136838868448
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: I develop a novel semantics for probabilities of counterfactuals that generalizes the standard Pearlian semantics: it applies to probabilistic causal models that cannot be extended into realistic structural causal models and are therefore beyond the scope of Pearl's semantics. This generalization is needed because, as I show, such probabilistic causal models arise even in simple settings. My semantics offer a natural compromize in the long-standing debate between Pearl and Dawid over counterfactuals: I agree with Dawid that universal causal determinism and unrealistic variables should be rejected, but I agree with Pearl that a general semantics of counterfactuals is nonetheless possible. I restrict attention to causal models that satisfy the Markov condition, only contain realistic variables, and are causally complete. Although I formulate my proposal using structural causal models, as does Pearl, I refrain from using so-called response variables. Moreover, I prove that my semantics is equivalent to two other recent proposals that do not involve structural causal models, and that it is in line with various comments on stochastic counterfactuals that have appeared in the literature more broadly. Throughout I also reflect on the universality of the Markov condition and explore a novel generalization of causal abstractions
• Abstract（参考訳）: 現実的な構造因果モデルに拡張できない確率論的因果モデルに適用し、従ってパールの意味論の範囲を超えている。 この一般化は、私が示したように、そのような確率論的因果モデルが単純な設定でも生じるため必要である。 私は、普遍因果決定論と非現実的変数は拒絶されるべきである、とダウィドに同意するが、私は反事実の一般的な意味論は、それでも可能であるとパールに同意する。 私はマルコフ条件を満たす因果モデルに注意を向け、現実変数のみを含み、因果完全である。 私は構造因果モデルを用いて提案を定式化しますが、Pearlと同様に、いわゆる応答変数の使用を控えます。 さらに, 私のセマンティクスは, 構造因果モデルを含まない2つの最近の提案と同等であり, より広く文献に現れる確率的反事実に関する様々なコメントと一致していることを証明している。 また、マルコフ条件の普遍性についても考察し、因果抽象の新しい一般化を探求する。

関連論文リスト

• From Black-box to Causal-box: Towards Building More Interpretable Models [57.23201263629627]
  本稿では, 因果解釈可能性の概念を導入し, 特定のモデルのクラスから対実的クエリを評価できるときの形式化について述べる。 我々は、与えられたモデルアーキテクチャが与えられた偽物クエリをサポートするかどうかを決定する完全なグラフィカルな基準を導出する。
  論文  参考訳（メタデータ） (2025-10-24T20:03:18Z)
• Canonical Representations of Markovian Structural Causal Models: A Framework for Counterfactual Reasoning [0.7106986689736826]
  「偽りの理性は、アリスがアスピリンを飲んだら回復しただろうか?」 本稿では,ある因果グラフモデルに適合する反ファクトを表現するために,構造因果モデルに対する代替手法を提案する。 本稿では,(通常テスト可能な)介入制約から(任意かつ不可能な)カウンターファクト選択を解き放つ正規化手順を提案する。
  論文  参考訳（メタデータ） (2025-07-22T09:13:02Z)
• Actual Causation and Nondeterministic Causal Models [7.550566004119157]
  非決定論的因果モデルによって提供される表現力の増大を利用して、実際の因果関係の新たな定義を提供する。 新規ではあるが、結果として得られた定義は、私の以前の定義とほぼ同一の評定に達する。
  論文  参考訳（メタデータ） (2025-03-10T20:53:47Z)
• Gumbel Counterfactual Generation From Language Models [64.55296662926919]
  対実的推論が介入と概念的に異なることを示す。 そこで本研究では,真の文字列反事実を生成するためのフレームワークを提案する。 提案手法は,従来の介入手法が望ましくない副作用を有意に生み出しているのに対し,本手法は有意義な反事実を生じさせることを示す。
  論文  参考訳（メタデータ） (2024-11-11T17:57:30Z)
• Nondeterministic Causal Models [7.550566004119157]
  非循環的決定論的構造因果モデルを非決定論的ケースに一般化する。 私は、結果の論理の完全公理化を提供する。
  論文  参考訳（メタデータ） (2024-05-22T21:17:52Z)
• 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)
• Exhaustivity and anti-exhaustivity in the RSA framework: Testing the effect of prior beliefs [68.8204255655161]
  我々は,先行に対する感受性が合理的音声法(RSA)フレームワークの直感的予測に繋がる事例に着目した。 本研究では, ベースラインRSAモデルにおいて, 一定の条件下では, 反排他的読解が予測されることを示す。 RSAフレームワーク全体で予測されるように、メッセージ選択は事前に敏感である。
  論文  参考訳（メタデータ） (2022-02-14T20:35:03Z)
• Causal Expectation-Maximisation [70.45873402967297]
  ポリツリーグラフを特徴とするモデルにおいても因果推論はNPハードであることを示す。 我々は因果EMアルゴリズムを導入し、分類的表現変数のデータから潜伏変数の不確かさを再構築する。 我々は、反事実境界が構造方程式の知識なしにしばしば計算できるというトレンドのアイデアには、目立たずの制限があるように思える。
  論文  参考訳（メタデータ） (2020-11-04T10:25:13Z)

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。