論文の概要: From Tokens to Policy: Causal and Interpretable Heterogeneous Treatment Effects Identification
- arxiv url: http://arxiv.org/abs/2606.17010v1
- Date: Mon, 15 Jun 2026 17:44:44 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-16 18:36:05.117214
- Title: From Tokens to Policy: Causal and Interpretable Heterogeneous Treatment Effects Identification
- Title（参考訳）: トークンから政策へ:因果的・解釈可能な不均一処理効果の同定
- Authors: Riccardo Cadei, Frank Otchere, Nyasha Tirivayi, Gustavo Angeles Tagliaferro, Falco J. Bargagli-Stoffi, Francesco Locatello,
- Abstract要約: 我々は,HTEの因果的特徴を潜伏する相互作用子による特徴付けが現在到達範囲内にあると論じている。
本稿では,実証的かつ実証的な一貫した選択が可能な反復的手順であるNeural Exposure Interaction Search (NEXIS)を紹介する。
- 参考スコア（独自算出の注目度）: 20.766083605918816
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Heterogeneous Treatment Effect (HTE) identification is crucial to explain the impact of an intervention and optimize our policies accordingly. Existing approaches trade expressivity for interpretability, but, if some active heterogeneity drivers are unmeasured, methods at both ends of this spectrum allow for spurious HTE characterization with no causal reading. In this work, we focus on controlled experiments and argue that an oracle HTE causal characterization via the latent interactors is now within reach, thanks to (i) more extensive pre-treatment measurements, i.e., multi-modal and multi-view, and (ii) scalable representations with minimal human supervision. We then re-frame HTE identification as a Markov-blanket discovery problem on a sufficient and aligned pre-treatment representation, and introduce Neural EXposure Interaction Search (NEXIS), an iterative procedure with provable and empirically validated consistent selection. We deploy NEXIS on two anti-poverty programs in Africa, augmenting each with satellite imagery capturing previously unmeasured environmental effect modifiers, leading to novel, interpretable and prescriptive guidelines to optimize the programs' next iterations.
- Abstract（参考訳）: 不均一処理効果(HTE)の同定は、介入の影響を説明し、それに応じて政策を最適化するために重要である。
既存の解釈可能性に対する貿易表現性にアプローチするが、アクティブな不均一性ドライバが測定されていない場合、このスペクトルの両端の手法は因果的読解を伴わない急激なHTE特徴づけを可能にする。
本研究では,制御実験に焦点をあて,潜伏する相互作用子によるHTE因果的特徴が現在到達範囲内にあることを議論する。
(i)より広範な前処理前測定、すなわちマルチモーダル・マルチビュー
(II)人間の監督を最小限にしたスケーラブルな表現。
そこで我々は,十分に整列された前処理表現上のマルコフ・ブランケット発見問題としてHTE識別を再設定し,証明可能かつ実証可能な一貫した選択を反復的に行うNeural Exposure Interaction Search (NEXIS)を導入する。
我々は、NEXISをアフリカの2つの反ポベルティプログラムに展開し、衛星画像に未測定の環境効果変調器を付加し、プログラムの次のイテレーションを最適化するための、新しい、解釈可能な、規範的なガイドラインを導いた。
関連論文リスト
- ACT Now: Preempting LVLM Hallucinations via Adaptive Context Integration [71.21097024566285]
LVLM(Large-Language Models)はしばしば深刻な幻覚に悩まされる。
既存の緩和戦略は、視覚的焦点を強化するか、強い先行を抑えるために、言語的、単一段階の状態に依存している。
本研究では,適応的な文脈情報の統合を通じて幻覚を緩和する学習自由推論介入手法であるAdaptive Context in VisionTegration (ACT)を提案する。
論文 参考訳（メタデータ） (2026-04-01T14:49:50Z) - Bidirectional Channel-selective Semantic Interaction for Semi-Supervised Medical Segmentation [34.14846876792812]
半教師型医用画像分割のための双方向チャネル選択セマンティックインタラクション(BCSI)フレームワークを提案する。
まず,SSP(Semantic-Spatial Perturbation)機構を提案する。
次に,ラベル付きデータとラベルなしデータとの相互作用におけるノイズを低減するために,チャネル選択型ルータ(CR)コンポーネントを提案する。
論文 参考訳（メタデータ） (2026-01-09T15:32:57Z) - Measure-Theoretic Anti-Causal Representation Learning [29.12751904333385]
反因果設定(ラベルは逆ではなく特徴を引き起こす)における因果表現学習は、固有の課題を提示する。
本稿では,反因果表現学習のための新しい測度理論フレームワークである反因果不変抽象化(ACIA)を提案する。
ACIAは2段階の設計を採用し、低レベルの表現はラベルがどのように観測を生成しているかを捉え、高レベルの表現は環境固有のバリエーションを越えて安定した因果パターンを学習する。
論文 参考訳（メタデータ） (2025-10-16T22:13:05Z) - Understanding Catastrophic Interference: On the Identifibility of Latent Representations [67.05452287233122]
破滅的な干渉、あるいは破滅的な忘れ(Caastrophic forgetting)は、機械学習の根本的な課題である。
本稿では,破滅的干渉を識別問題として定式化する新しい理論枠組みを提案する。
我々のアプローチは、合成データセットとベンチマークデータセットの両方で理論的保証と実用的なパフォーマンスの改善を提供する。
論文 参考訳（メタデータ） (2025-09-27T00:53:32Z) - Causal Effect Identification in lvLiNGAM from Higher-Order Cumulants [20.751445296400316]
本稿では,高次累積を用いた線形非ガウス非巡回モデル (lvLiNGAM) における因果効果の同定について検討する。
因果効果が一つのプロキシや機器で識別可能であることを証明し、対応する推定方法を提案する。
論文 参考訳（メタデータ） (2025-06-05T16:14:35Z) - Improving Vision Anomaly Detection with the Guidance of Language
Modality [64.53005837237754]
本稿では,マルチモーダルの観点から視覚モダリティの課題に取り組む。
本稿では,冗長な情報問題とスパース空間問題に対処するために,クロスモーダルガイダンス(CMG)を提案する。
視覚異常検出のためのよりコンパクトな潜在空間を学習するために、CMLEは言語モダリティから相関構造行列を学習する。
論文 参考訳（メタデータ） (2023-10-04T13:44:56Z) - Probabilistic Variational Causal Approach in Observational Studies [0.0]
本報告では,観測研究における事象の出現頻度と頻度を,根本的問題との関連性に基づいて考慮する新たな因果的手法を提案する。
本稿では,確率的偏差因果効果(probabilistic vAriational Causal Effect, PACE)と呼ばれる直接因果効果測定法と,非二項および二項処理に適用可能な特定の仮定に固執する変動について述べる。
論文 参考訳（メタデータ） (2022-08-12T13:34:17Z) - Statistical control for spatio-temporal MEG/EEG source imaging with
desparsified multi-task Lasso [102.84915019938413]
脳磁図(MEG)や脳電図(EEG)のような非侵襲的手法は、非侵襲的手法を約束する。
ソースローカライゼーション(ソースイメージング)の問題は、しかしながら、高次元の統計的推測問題を引き起こす。
この問題に対処するために,分離されたマルチタスクラッソ(ecd-MTLasso)のアンサンブルを提案する。
論文 参考訳（メタデータ） (2020-09-29T21:17:16Z)
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。