論文の概要: GoT-CD: Graph-of-Thoughts Causal Discovery and the Fragility of Post-hoc Path-Specific Fairness Audits

• arxiv url: http://arxiv.org/abs/2608.02877v1
• Date: Mon, 03 Aug 2026 20:59:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-05 15:30:22.945544
• Title: GoT-CD: Graph-of-Thoughts Causal Discovery and the Fragility of Post-hoc Path-Specific Fairness Audits
• Title（参考訳）: GoT-CD:グラフ・オブ・サードの因果発見とポストホットパス特効性監査の脆弱性
• Authors: Nitish Nagesh, Elahe Khatibi, Thomas Dean Hughes, Mahdi Bagheri, Pratik Gajane, Amir M. Rahmani,
• Abstract要約: グラフ・オブ・ソート推論は,大規模言語モデル(LLM)のベースラインと構造的に競合する非循環的なグラフが得られることを示す。 推論ユニットが完全な候補エッジセットであるGoT-CDを導入する。 GoT-CDは、報告された5つのベンチマークすべてで有効なDAGを返却し、アジア、アルツハイマー、およびCOVID-Respiratoryデータセット上のLCMメソッドの中で最高のDAG-valid F1スコアを達成している。
• 参考スコア（独自算出の注目度）: 2.1092701269163436
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Causal discovery recovers directed structure from observational data and is increasingly used in clinical settings to support mechanism reasoning and fairness audits of predictive models. Path-specific counterfactual fairness asks whether a protected attribute influences an outcome through illegitimate pathways, but these estimands are defined relative to a supplied causal graph and therefore inherit whatever errors the discovery step introduces. Discovery methods are routinely scored on aggregate structural metrics that weight all edges equally, and no established evaluation asks whether the specific pathway an audit depends on survives discovery---or what the audit reports when that pathway is missing. Here we show that full-graph Graph-of-Thoughts reasoning yields acyclic discovered graphs that are structurally competitive with large language model (LLM) baselines, yet that structural fidelity alone does not guarantee fairness-faithful audits. We introduce GoT-CD, in which the reasoning unit is a complete candidate edge set: multiple graphs are generated in parallel, scored by a deterministic validity function, and merged under a hard union constraint that forbids invented edges, with greedy projection enforcing a DAG before commitment. GoT-CD returns a valid DAG on all five reported benchmarks and achieves the best DAG-valid F1 score among LLM methods on Asia, Alzheimer's, and COVID-Respiratory datasets. On an Alzheimer's benchmark with known unfair path, a post-hoc path-specific audit shows that five of eight discovered graphs recover no path from the sensitive attribute to the outcome and therefore report a null overall effect while mediated effects persist, necessitating downstream path-specific fairness analysis along with structural discovery.
• Abstract（参考訳）: 因果発見は、観測データから指示された構造を回復し、予測モデルのメカニズム推論と公正度監査をサポートするために臨床現場での利用が増えている。 経路固有の反ファクトフェアネスは、保護属性が不正な経路を通して結果に影響を及ぼすかどうかを問うが、これらの推定値は供給された因果グラフに対して定義され、従って発見ステップがもたらした誤りを継承する。 発見方法は、すべてのエッジを均等に重くする集合的な構造的指標に基づいて定期的にスコア付けされ、監査が依存する特定のパスが発見を生き残るか、あるいはそのパスが欠落していることを監査が報告するかを、定評のある評価は問わない。 ここでは、フルグラフグラフの推論は、大規模言語モデル(LLM)のベースラインと構造的に競合する非巡回的なグラフをもたらすが、構造的忠実性だけでは公正性に満ちた監査を保証しないことを示す。 本稿では,複数のグラフを並列に生成し,決定論的妥当性関数によってスコア付けし,エッジの発明を強制するハードユニオン制約の下でマージする,推論ユニットが完全な候補エッジセットであるGoT-CDを紹介する。 GoT-CDは、報告された5つのベンチマークすべてで有効なDAGを返却し、アジア、アルツハイマー、およびCOVID-Respiratoryデータセット上のLCMメソッドの中で最高のDAG-valid F1スコアを達成している。 不公平な経路が知られているアルツハイマーのベンチマークでは、ポストホックパス固有の監査では、8つのグラフのうち5つのグラフが、結果に対するセンシティブな属性から経路を回復せず、したがって、仲介効果が持続し、下流の経路固有の公正性分析と構造的発見が必要とされる間、ゼロな全体的な効果を報告している。

関連論文リスト

• VeriGraph: Towards Verifiable Data-Analytic Agents [71.17693022916896]
  LLMをベースとしたエージェントは、データ集約分析タスクにおいて強力な能力を示してきたが、その出力は滅多に検証されていない。 We propose VeriGraph, a traceable neuro-symbolic reasoning framework that agent can construct an explicit heterogeneous evidence directed acyclic graph。 以上の結果から,明示的なエビデンスグラフ構築がデータ分析エージェントの検証に期待できる道のりであることが示唆された。
  論文  参考訳（メタデータ） (2026-06-15T11:50:56Z)
• Iterative Causal Discovery: Per-Edge Impossibility Certificates, Tier-Aware Oracle Queries, and the $1+K$ Lower Bound [0.0]
  因果発見アルゴリズムは有向グラフを返すが、データによって識別されるエッジ方向と、識別された仮定なしで割り当てられたエッジ方向を区別する原則的な手段は提供しない。 本稿では,各候補エッジに個別の不確実性証明を添付した連続データに対する観測因果発見プロトコルを提案する。 2つのオラクルプリミティブ、メタハブクエリとノードチャイルドクエリは、DAGを回復するのに十分な1+K$のエキスパートインタラクションの上限を共同で確立する。
  論文  参考訳（メタデータ） (2026-05-26T12:01:32Z)
• HELP: HyperNode Expansion and Logical Path-Guided Evidence Localization for Accurate and Efficient GraphRAG [53.30561659838455]
  大きな言語モデル(LLM)は、しばしば固有の知識境界と幻覚に苦しむ。 Retrieval-Augmented Generation (RAG) は、マルチホップ推論に不可欠な構造的相互依存性をしばしば見落としている。 ヘルプは、複数の単純でマルチホップなQAベンチマークで競合性能を達成し、グラフベースのRAGベースラインよりも28.8$times$のスピードアップを実現している。
  論文  参考訳（メタデータ） (2026-02-24T14:05:29Z)
• Breaking the Static Graph: Context-Aware Traversal for Robust Retrieval-Augmented Generation [12.71443292660797]
  堅牢なRAGのためのコンテキスト認識トラバーサルであるCatRAGを提案する。 CatRAGはHippoRAG 2アーキテクチャ上に構築され、静的なKGをクエリ適応ナビゲーション構造に変換する。 4つのマルチホップベンチマークの実験では、CatRAGはアートベースラインの状態を一貫して上回っている。
  論文  参考訳（メタデータ） (2026-02-02T11:13:38Z)
• A Label-Free Heterophily-Guided Approach for Unsupervised Graph Fraud Detection [60.09453163562244]
  本稿では,非教師付きGFDのための非教師付きグラフ不正検出手法(HUGE)を提案する。 推定モジュールでは、GFD の臨界グラフ特性をキャプチャする HALO と呼ばれる新しいラベルフリーなヘテロフィリー計量を設計する。 アライメントに基づく不正検出モジュールにおいて、ランキング損失と非対称アライメント損失を有する合同GNNアーキテクチャを開発する。
  論文  参考訳（メタデータ） (2025-02-18T22:07:36Z)
• Enhancing Fairness in Unsupervised Graph Anomaly Detection through Disentanglement [33.565252991113766]
  グラフ異常検出(GAD)は、金融詐欺検出から偽ニュース検出まで、さまざまなアプリケーションにおいてますます重要になっている。 現在のGAD法は主に公平性の問題を見落としており、特定の人口集団に対して差別的な決定が下される可能性がある。 DeFENDという属性グラフ上に,DisEntangle-based FairnEss-aware aNomaly Detectionフレームワークを考案した。 実世界のデータセットに対する実証的な評価から、DEFENDはGADにおいて効果的に機能し、最先端のベースラインと比較して公正性を著しく向上することが明らかとなった。
  論文  参考訳（メタデータ） (2024-06-03T04:48:45Z)
• BCD Nets: Scalable Variational Approaches for Bayesian Causal Discovery [97.79015388276483]
  構造方程式モデル(SEM)は、有向非巡回グラフ(DAG)を介して表される因果関係を推論する効果的な枠組みである。 近年の進歩により、観測データからDAGの有効最大点推定が可能となった。 線形ガウス SEM を特徴付ける DAG 上の分布を推定するための変分フレームワークである BCD Nets を提案する。
  論文  参考訳（メタデータ） (2021-12-06T03:35:21Z)

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。