論文の概要: CausalForge: A Formally Grounded, Self-Improving Agentic Framework for Automated Research in Causal Inference

• arxiv url: http://arxiv.org/abs/2607.22511v1
• Date: Fri, 24 Jul 2026 17:32:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-27 20:58:57.194856
• Title: CausalForge: A Formally Grounded, Self-Improving Agentic Framework for Automated Research in Causal Inference
• Title（参考訳）: CausalForge: 因果推論における自動研究のための形式的基礎と自己改善型エージェントフレームワーク
• Abstract要約: CausalForgeは因果推論における自動理論研究のためのフレームワークである。 因果推論のためのリーンライブラリであるCausaleanと、自己改善型のエージェントパイプラインであるCausalSmithを組み合わせたものだ。
• 参考スコア（独自算出の注目度）: 17.447741518678374
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Automating theoretical research is constrained not only by the generation of candidate results, but also by their reliable evaluation. A common approach is to close the research loop with a large language model (LLM) reviewer. However, such reviewers remain empirically unreliable: they may accept fabricated papers and detect them at rates close to chance (Bad Scientist, 2025). We present CausalForge, a framework for automated theoretical research in causal inference grounded in the Lean proof assistant. CausalForge combines Causalean, a foundational Lean library for causal inference containing 7,035 machine-checked declarations developed with language-model assistance under human design and review, with CausalSmith, a self-improving agentic pipeline that selects research topics, proposes results, formalizes statements, constructs proofs, and presents the resulting artifacts for human inspection. Because a machine-checked proof establishes only that a formal statement follows from its assumptions, not that the statement faithfully captures the intended scientific claim, the pipeline augments kernel verification with a statement audit that compares each formal theorem against the informal claim it is intended to express. We evaluate the system using artifacts produced by completed autonomous research runs. The source code, formal library, and run records are available at https://github.com/Jiyuan-Tan/CausalForge.
• Abstract（参考訳）: 理論研究の自動化は、候補となる結果の生成だけでなく、信頼性の高い評価によっても制約される。 一般的なアプローチは、大きな言語モデル(LLM)レビュアーで研究ループを閉じることである。 しかし、そのようなレビュアーは実証的に信頼できないままであり、製造された論文を受理し、偶然に近い速度で検出することができる(Bad Scientist, 2025)。 本稿では,因果推論における自動理論研究のためのフレームワークCausalForgeについて紹介する。 CausalForgeは因果推論のための基礎的なライブラリであるCausaleanと、人間の設計とレビューの下で言語モデル支援によって開発された7,035のマシンチェックされた宣言を含む。 マシンチェックされた証明は、形式的なステートメントがその仮定からのみ従うことを証明し、そのステートメントが意図された科学的クレームを忠実に捉えているわけではないので、パイプラインはカーネル検証を強化し、それぞれのフォーマルな定理を、それが表現しようとする非公式なクレームと比較する。 完成した自律的な研究によって生成されたアーティファクトを用いてシステムを評価する。 ソースコード、公式ライブラリ、実行レコードはhttps://github.com/Jiyuan-Tan/CausalForgeで入手できる。

関連論文リスト

• DERELAB: Probing Defeasible Reasoning and Confirmation Bias in LLMs with a Generative Benchmark [6.835919520017402]
  決定的推論(Dedefeasible reasoning)とは、推定が妥当な現在の証拠から引き出されるが、新しい証拠の導入によって取り除くことができる推論の一種である。 本稿では,パラメータ化されたグラフ構造から多ターンの信念更新会話を生成する生成フレームワークであるDeReLabを紹介する。 我々は9つのオープンかつプロプライエタリな大規模言語モデルを評価し、ほぼ全員が一貫性のない更新に抵抗しながら、一貫性のある証拠を受け入れる体系的な傾向を示した。
  論文  参考訳（メタデータ） (2026-08-31T08:10:29Z)
• FormalTCS: Benchmarking End-to-End Frontier Formal Theoretical Computer Science Research of Large Language Models [53.68149869349268]
  大規模言語モデル(LLM)は、自動理論計算機科学(TCS)研究の可能性を増大させている。 我々は、最前線のエンドツーエンドのTCS研究でLSMを評価するための専門家検証ベンチマークである ourbenchmarkを紹介した。
  論文  参考訳（メタデータ） (2026-08-20T15:13:41Z)
• TRACES: A Benchmark for Epistemic Reliability in Scientific Reasoning by LLMs [0.0]
  下流検証が存在しない領域では、科学的なエージェントとして大きな言語モデルが提案されている。 筆者らは,42枚の抽出,不正,疑似科学的論文からなるプローブコーパスを,各論文のフレーミングと単発モデルエンゲージメントを抽出・評価する手法と組み合わせて導入した。 プローブは、5つのクレームタイプ、製造された観測、擬似物理機構、魔法の前提、合法化橋、貨物カルト実験である。
  論文  参考訳（メタデータ） (2026-08-11T20:30:32Z)
• TCS-BENCH: Benchmarking State-of-the-Art Generative AI Theoretical Computer Science Research Ability [59.079078796751496]
  我々は,研究レベルの理論計算機科学(TCS)証明生成において,Large Language Models(LLMs)を評価するためのベンチマークであるTCS-Benchを紹介する。 TCS-Benchは、理論計算機科学の会場で発表された論文の定理証明タスクで構成されている。
  論文  参考訳（メタデータ） (2026-08-10T12:36:16Z)
• The Calibration Turn in AI-Assisted Research: A Conceptual and Methodological Framework for Evidence-Licensed Claims [0.9805949492148788]
  本稿では,AI支援研究におけるエビデンスライセンスクレームの概念的枠組みを開発する。 仮説生成、モデルによる結果導出、外部検証、信条更新、クレームキャリブレーションの5つの演算子としてAI支援研究を表現している。
  論文  参考訳（メタデータ） (2026-06-30T07:46:54Z)
• Causal Discovery in the Era of Agents [16.999301469208877]
  我々は因果発見におけるエージェントの役割について異論を唱えている。 我々はエージェントがワークフローを支援する原則を提案し、因果的主張はデータ、明示的な仮定、フォーマルなアルゴリズム、診断、ユーザーまたはドメイン専門家による決定に基礎を置いている。 我々は、この原理を、因果学習のアルゴリズム的エコシステムを取り巻く、データ分析、前処理、メソッドレコメンデーション、エキスパート知識の取り込み、正式な発見と解釈を協調するオンラインプラットフォームである因果学習+でインスタンス化する。
  論文  参考訳（メタデータ） (2026-06-22T17:09:22Z)
• ResearchLoop: An Evidence-Gated Control Plane for AI-Assisted Research [4.9833735627186435]
  ResearchLoopはAI支援型計算研究のためのエビデンス付き制御プレーンである。 ResearchLoopは、リサーチ質問、タスク契約、エビデンスオブジェクト、クレーム台帳、クローズアウト、ペーパーバインディングを耐久性のあるプロジェクトステートとして扱う。 この技術レポートは、完全なプロトコル仕様、状態モデル、トランジションルール、クレーム・アドミッション・アルゴリズム、インサイト・コンポーティングメカニズムを提供する。
  論文  参考訳（メタデータ） (2026-05-27T10:29:00Z)
• FactReview: Evidence-Grounded Reviews with Literature Positioning and Execution-Based Claim Verification [57.196748998757954]
  本稿では,クレーム抽出,文献位置決定,実行に基づくクレーム検証を組み合わせたエビデンスベースレビューシステムであるFactReviewを紹介する。 FactReviewは論文を提出すると、主要なクレームを特定し、その結果を報告し、論文の技術的な位置を明らかにするために近くの作業を取り出し、コードが利用可能であれば、リリースされたリポジトリを実行する。 その後、簡潔なレビューと、主要な請求を5つのラベルのうち1つに割り当てるエビデンスレポートを生成する。
  論文  参考訳（メタデータ） (2026-04-05T11:45:22Z)
• CiteAudit: You Cited It, But Did You Read It? A Benchmark for Verifying Scientific References in the LLM Era [51.63024682584688]
  大規模言語モデル (LLM) は新たなリスクを導入している。 本稿では,科学文献における幻覚的引用のための総合的なベンチマークおよび検出フレームワークについて紹介する。 我々のフレームワークは、精度と解釈可能性の両方において、先行手法を著しく上回っている。
  論文  参考訳（メタデータ） (2026-02-26T19:17:39Z)
• From Fluent to Verifiable: Claim-Level Auditability for Deep Research Agents [8.49451413641847]
  研究生成が安価になるにつれて、監査可能性がボトルネックになる、と我々は主張する。 この観点からは,ディープリサーチエージェントの第一級設計および評価対象として,クレームレベルの監査性を提案する。
  論文  参考訳（メタデータ） (2026-02-14T19:39:15Z)
• Project Ariadne: A Structural Causal Framework for Auditing Faithfulness in LLM Agents [0.0]
  エージェント推論の因果的整合性を評価するための新しいXAIフレームワークである textbfProject Ariadne を紹介する。 表面レベルのテキスト類似性に依存する既存の解釈可能性メソッドとは異なり、Project Ariadne は中間推論ノードに対して textbfhard の介入(do$-calculus)を行う。 我々の最先端モデルに対する実証的な評価は、永続的なテクスチャフルネスギャップを明らかにします。
  論文  参考訳（メタデータ） (2026-01-05T18:05:29Z)
• FIRE: Fact-checking with Iterative Retrieval and Verification [63.67320352038525]
  FIREはエビデンス検索とクレーム検証を反復的に統合する新しいフレームワークである。 大きな言語モデル(LLM)のコストを平均7.6倍、検索コストを16.5倍削減しながら、パフォーマンスが若干向上している。 これらの結果から,FIREは大規模ファクトチェック業務における適用を約束していることが明らかとなった。
  論文  参考訳（メタデータ） (2024-10-17T06:44:18Z)
• Lean-STaR: Learning to Interleave Thinking and Proving [53.923617816215774]
  証明の各ステップに先立って,非公式な思考を生成するために,言語モデルをトレーニングするフレームワークであるLean-STaRを紹介します。 Lean-STaRは、Lean定理証明環境内のminiF2F-testベンチマークで最先端の結果を達成する。
  論文  参考訳（メタデータ） (2024-07-14T01:43:07Z)

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。