Fugu-MT 論文翻訳(概要): Verifying formulas for interventional distributions

論文の概要: Verifying formulas for interventional distributions

arxiv url: http://arxiv.org/abs/2607.13883v1
Date: Wed, 15 Jul 2026 14:33:08 GMT
ステータス: 翻訳完了
システム内更新日: 2026-07-16 16:39:12.797499
Title: Verifying formulas for interventional distributions
Title（参考訳）: 介入分布の検証公式
Abstract要約: 同定に対する健全で完全な解であっても、検証は解けないことを示す。ファリシファイアを第1の実践経路として提案し、正規指数族モデルに対してほぼ確実に正しい検証を導くことを証明した。得られた検証器をゲートウェイテストの開発に使用し、前ドア式で使用可能なすべての集合を検索する。
参考スコア（独自算出の注目度）: 1.6355471507854134
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We formalize verification in causal graphical models: deciding whether a given observational formula identifies a target interventional distribution. This opens a problem complementary to identification, asking not whether any identifying formula exists, but whether the given formula is identifying. We show that even sound and complete solutions to identification do not solve verification. We propose a falsifier as a first practical route forward, prove that it induces an almost-surely correct verifier for regular exponential-family models, and use the resulting verifier to develop the gateway test, which finds all sets admissible for use in a front-door formula.
Abstract（参考訳）: 因果グラフモデルにおける検証を形式化し、ある観測公式が対象の介入分布を識別するかどうかを決定する。これは、特定公式が存在するかどうかを問うとともに、与えられた公式が識別されているかどうかを問う、識別に相補的な問題を開く。同定に対する健全で完全な解であっても、検証は解けないことを示す。本稿では, ファリシファイアを最初の実用経路として提案し, 正規指数型モデルに対するほぼ確実に正しい検証器を誘導し, 得られた検証器を用いてゲートウェイ試験を開発し, フロントドア式で使用可能な全ての集合を求める。

関連論文リスト

Beyond Solver Verdicts: Generative Reward Models for Autoformalization [6.845799966508813]
我々は、オフラインのZ3等価オラクルを参照不要で連続的な参照等価スコアに蒸留する生成検証(GenV)を導入する。 GenV は 0.961 AUROC を基準等価性検証で達成し、未知のトランスレータと分岐形式にまたがるゼロショットを一般化する。
論文参考訳（メタデータ） (2026-09-10T04:47:55Z)
AutoVerifier: Residual-Guided Non-Parametric Optimization for Reference-Based Answer Verification [5.990350746292239]
AutoVerifierは繰り返し検証エラーから暗黙の仮定を学ぶ。 4つの検証器ベンチマークの実験により、AutoVerifierは最先端の検証器を大きなマージンで上回ることを示した。
論文参考訳（メタデータ） (2026-08-26T11:06:40Z)
Computational Identifiability [58.12019389497595]
「自己同一性」は性質、無限のデータ、その他の数学的に理想化された条件を仮定する。「計算的識別可能性」とは、経験的推定器に対する有限計算探索手順を定義することである。このフレームワークは、どのようにしてきめ細かな、実用的な識別問題に答えられるかを示します。
論文参考訳（メタデータ） (2026-06-08T19:39:59Z)
Verifying Chain-of-Thought Reasoning via Its Computational Graph [23.32876195998818]
CoT(Chain-of-Thought)検証手法は、出力(ブラックボックス)またはアクティベーション(グレイボックス)に基づいて正当性を予測する。回路ベース推論検証(CRV)というホワイトボックス方式を導入する。モデルの潜在推論回路の実行トレースと見なされる正しいCoTステップの帰属グラフは、間違ったステップのものと異なる構造指紋を持つことを示す。
論文参考訳（メタデータ） (2025-10-10T12:06:04Z)
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)
Formally Certified Approximate Model Counting [25.20597060311209]
本稿では、その出力近似の品質に関する保証を正式に保証した、近似モデルカウントのための最初の認証フレームワークを提案する。 i)Isabelle/HOL証明アシスタントにおけるアルゴリズムのPAC保証の静的かつ1回限りの公式な証明、(ii)証明証明書を用いた外部CNF-XORソルバに対するApproxMCの呼び出しの動的かつ1回実行による検証。
論文参考訳（メタデータ） (2024-06-17T11:02:04Z)
Shortcomings of Top-Down Randomization-Based Sanity Checks for Evaluations of Deep Neural Network Explanations [67.40641255908443]
モデルランダム化に基づく正当性チェックの限界を,説明書の評価のために同定する。トップダウンモデルランダム化は、フォワードパスアクティベーションのスケールを高い確率で保存する。
論文参考訳（メタデータ） (2022-11-22T18:52:38Z)
Bounding Counterfactuals under Selection Bias [60.55840896782637]
本稿では,識別不能なクエリと識別不能なクエリの両方に対処するアルゴリズムを提案する。選択バイアスによって引き起こされる欠如にもかかわらず、利用可能なデータの可能性は無限であることを示す。
論文参考訳（メタデータ） (2022-07-26T10:33:10Z)
Logical Satisfiability of Counterfactuals for Faithful Explanations in NLI [60.142926537264714]
本稿では, 忠実度スルー・カウンタファクトの方法論について紹介する。これは、説明に表される論理述語に基づいて、反実仮説を生成する。そして、そのモデルが表現された論理と反ファクトの予測が一致しているかどうかを評価する。
論文参考訳（メタデータ） (2022-05-25T03:40:59Z)
Typing assumptions improve identification in causal discovery [123.06886784834471]
観測データからの因果発見は、正確な解を常に特定できない難しい課題である。そこで本研究では,変数の性質に基づいた因果関係を制約する仮説を新たに提案する。
論文参考訳（メタデータ） (2021-07-22T14:23:08Z)
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)
Partial Identifiability in Discrete Data With Measurement Error [16.421318211327314]
我々は、疑わしい前提の下で正確な識別を追求するよりも、妥当な仮定の下で境界を提示することが好ましいことを示す。我々は線形プログラミング手法を用いて,実測誤差と実測誤差に対する鋭い境界を導出する。
論文参考訳（メタデータ） (2020-12-23T02:11:08Z)

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。