論文の概要: Counterfactual identifiability beyond global monotonicity: non-monotone triangular structural causal models
- arxiv url: http://arxiv.org/abs/2605.04413v1
- Date: Wed, 06 May 2026 02:11:46 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-07 18:41:07.60586
- Title: Counterfactual identifiability beyond global monotonicity: non-monotone triangular structural causal models
- Title（参考訳）: 大域的単調性を超えた非実効的識別可能性:非単調三角構造因果モデル
- Abstract要約: 非単調な三角形構造因果モデル(NM-TM-SCM)を導入する。
グローバルな単調性は、メカニズムワイドな可逆性とコンテキスト非依存の逆輸送に置き換える。
コーサル・インバータ(Causal Inverter)において、三角形の可逆層、配向ゲート、輸送安定性の正則化による理論をインスタンス化する。
- 参考スコア（独自算出の注目度）: 3.8666883549217754
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Structural causal models provide a unified semantics for interventions and counterfactuals, but most identifiability results rely on restrictive assumptions like global monotonicity, which are often violated in embodied interaction, where the same exogenous perturbation can induce opposite responses under different contact contexts. We ask what structure still suffices once global monotonicity is dropped. We introduce non-monotone triangular structural causal models (NM-TM-SCM), which retain triangular recursion but replace global monotonicity with mechanism-wise invertibility and context-independent inverse transport. We prove that these conditions are equivalent to exogenous isomorphism and imply complete counterfactual identifiability, and we give a counterexample showing that local invertibility alone is insufficient. We instantiate the theory in CausalInverter, with triangular invertible layers, orientation gates, and transport-stability regularization. On synthetic non-monotonic mechanisms, the structural bias yields systematic counterfactual gains as non-monotonicity increases. On MuJoCo Door, our model achieves perfect event-level counterfactual recovery, lowers continuous angle error relative to a Transformer baseline, and delivers substantially more stable recovery than Transformer and conditional-flow predictors. On MuJoCo Push, where non-monotonicity is weaker, the same low-data predictors remain competitive or better, consistent with a bias-variance boundary. These results identify a broader identifiable regime between globally monotone triangular models and unconstrained black-box world models.
- Abstract（参考訳）: 構造因果モデル(英語版)は介入と反ファクトの統一的な意味論を提供するが、ほとんどの識別可能性の結果は、大域的な単調性のような制限的な仮定に依存する。
グローバルな単調性が低下したら、どのような構造がまだ十分か尋ねる。
非単調な三角形構造因果モデル (NM-TM-SCM) を導入する。
これらの条件は外因性同型と同等であり, 完全な反ファクト的識別性を示し, 局所的可逆性だけでは不十分であることを示す反例を示す。
コーサル・インバータ(Causal Inverter)において、三角形の可逆層、配向ゲート、輸送安定性の正則化による理論をインスタンス化する。
合成非モノトニック機構では、非モノトニック性の増加に伴って構造バイアスが体系的な反事実ゲインをもたらす。
MuJoCo Door では,イベントレベルの反事実回復を完璧に達成し,トランスフォーマーベースラインに対する連続角度誤差を低減し,トランスフォーマーや条件流予測器よりもかなり安定なリカバリを実現する。
非単調性が弱い MuJoCo Push では、同じ低データ予測器が、バイアス分散境界と整合して、競争力または優位性を維持している。
これらの結果は、グローバルな単調三角形モデルと制約のないブラックボックス世界モデルの間のより広い識別可能な状態を特定する。
関連論文リスト
- Approximate Homomorphisms and Convergent Representations in Transducers [0.913755431537592]
摂動下での制御過程(特にトランスデューサ)の最小表現の安定性について検討する。
我々は、標準、線形、予測的なトランスデューサを考える。
論文 参考訳（メタデータ） (2026-08-19T19:56:22Z) - Exceptional activated mode theory for generalized real-complex transitions [48.9823527611878]
実数-複素遷移は非エルミート系における増幅の開始を示す。
我々は、非エルミート系の幅広いクラスにまたがる実複体しきい値を支配する一般の非摂動型アクティブモード原理を開発する。
論文 参考訳（メタデータ） (2026-08-12T18:00:37Z) - Exact Lindbladian Dynamics from Conformal Embeddings and Topological Defects in Conformal Field Theory [6.93233370050775]
我々は、$(1+1)$Dの共形場理論において正確な可解性を復元する固有共形構造を同定する。
これらの例は、共形埋め込みやモジュラーデータのような内在的共形構造が、正確に解けるオープン共形力学を整理できることを示している。
論文 参考訳（メタデータ） (2026-07-09T18:00:03Z) - Prototype-Anchored Generalized Manifold Regression for Unknown-Domain Object Detection [58.25418970608328]
単一ソースドメイン上でトレーニングされた検出器を複数の未確認領域に転送することを目的としたシングルドメイン一般化オブジェクト検出(Single-DGOD)について検討する。
既存の手法は主に、トレーニング分布を拡大するために、データ拡張やテキストプロンプトといったシミュレーション駆動の戦略に依存している。
本稿では, 未知領域の一般化を多様体回帰問題として定式化する, Visual-Text Dual Chain-of-Thought (MR-DCoT) を用いたマニフォールド回帰を提案する。
論文 参考訳（メタデータ） (2026-07-08T09:27:15Z) - Cohomological Obstructions to Global Counterfactuals: A Sheaf-Theoretic Foundation for Generative Causal Models [7.073238726507493]
We formalize structure causal model as cellular sheaves over Wasserstein space。
トラクタビリティを確保するため,エントロピック正則化を導入し,エントロピック・ワッサーシュタイン・カウスタル・ラフ・ラプラシアンを導出する。
筆者らのフレームワークは熱力学ノイズを利用して高次元scRNA-seqカウンターファクトリーのトポロジカルバリアをナビゲートする。
論文 参考訳（メタデータ） (2026-03-18T06:07:07Z) - OrthoFormer: Instrumental Variable Estimation in Transformer Hidden States via Neural Control Functions [0.0]
シーケンシャルなモデリングにおいて優れたトランスフォーマーアーキテクチャは、相関学習によって基本的に制限される。
そこで我々はOrthoFormerを提案する。OrthoFormerは機械的変数推定をニューラル制御機能を介してTransformerブロックに直接組み込む因果的基底アーキテクチャである。
論文 参考訳（メタデータ） (2026-03-08T03:05:16Z) - Random-Matrix-Induced Simplicity Bias in Over-parameterized Variational Quantum Circuits [72.0643009153473]
本稿では,観測可能な期待値とパラメータ勾配の両方がシステムサイズに指数関数的に集中するHaar型普遍性クラスに,表現的変分アンサーゼが入ることを示す。
その結果、そのような回路によって誘導される仮説クラスは、近点関数の狭い族に高い確率で崩壊する。
テンソル-ネットワークベースおよびテンソル-ハイパーネットワークパラメータ化を含むテンソル構造VQCは、ハール型普遍性クラスの外にある。
論文 参考訳（メタデータ） (2026-01-05T08:04:33Z) - Loss-Complexity Landscape and Model Structure Functions [53.92822954974537]
我々はコルモゴロフ構造関数 $h_x(alpha)$ を双対化するためのフレームワークを開発する。
情報理論構造と統計力学の数学的類似性を確立する。
構造関数と自由エネルギーの間のルジャンドル・フェンシェル双対性を明確に証明する。
論文 参考訳（メタデータ） (2025-07-17T21:31:45Z) - Understanding Model Ensemble in Transferable Adversarial Attack [14.942434125390074]
まず、逆転送可能性の誤差を測定するために、転送可能性誤差を定義する。
次に、転送可能性エラーを脆弱性、多様性、定数に分解する。
本稿では,情報理論における最新の数学的ツールを用いて,複雑性と一般化項を用いて伝達可能性誤差を限定する。
論文 参考訳（メタデータ） (2024-10-09T13:14:11Z) - DIFFormer: Scalable (Graph) Transformers Induced by Energy Constrained
Diffusion [66.21290235237808]
本稿では,データセットからのインスタンスのバッチを進化状態にエンコードするエネルギー制約拡散モデルを提案する。
任意のインスタンス対間の対拡散強度に対する閉形式最適推定を示唆する厳密な理論を提供する。
各種タスクにおいて優れた性能を有する汎用エンコーダバックボーンとして,本モデルの適用性を示す実験を行った。
論文 参考訳（メタデータ） (2023-01-23T15:18:54Z) - Towards Robust and Adaptive Motion Forecasting: A Causal Representation
Perspective [72.55093886515824]
本稿では,3つの潜伏変数群からなる動的過程として,運動予測の因果的形式化を導入する。
我々は、因果グラフを近似するために、不変なメカニズムやスタイルの共創者の表現を分解するモジュラーアーキテクチャを考案する。
合成および実データを用いた実験結果から,提案した3つの成分は,学習した動き表現の頑健性と再利用性を大幅に向上することが示された。
論文 参考訳（メタデータ） (2021-11-29T18:59:09Z)
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。