論文の概要: CAS: A Causal Attribution Score for Local and Global Explainable Artificial Intelligence

• arxiv url: http://arxiv.org/abs/2608.12555v1
• Date: Wed, 12 Aug 2026 19:49:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-14 18:29:38.317635
• Title: CAS: A Causal Attribution Score for Local and Global Explainable Artificial Intelligence
• Title（参考訳）: CAS: ローカルおよびグローバルな説明可能な人工知能のための因果関係スコア
• Abstract要約: 本稿では,因果説明のためのコンパクトスコアアーキテクチャであるCausal Attribution Score(CAS)を紹介する。 CASは、特定された介入連立ゲームから始まり、因果シェープリーの貢献とは対照的に共同介入を割り当てる。 イノベーションは新しいShapley式ではなく、明示的な介入対象を持つローカルからグローバルの因果報告層である。
• 参考スコア（独自算出の注目度）: 0.4640835690336653
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Predictive explanation methods attribute a model output; they do not, by themselves, attribute an intervention effect on the real-world outcome. We introduce the Causal Attribution Score (CAS), a compact score architecture for causal explanation. CAS starts from an identified interventional coalition game, allocates the joint intervention contrast with causal Shapley contributions, and converts those raw outcome-scale effects into Local CAS, Signed Local CAS, and two complementary Global CAS summaries. The innovation is not a new Shapley formula, but a local-to-global causal reporting layer with an explicit intervention target. In the known-truth benchmark, eight repeated primary-interaction simulations (n = 2,200 each, three actions) gave mean Local CAS MAE of 0.107 for coalition-aware CAS, compared with 0.173 for one-at-a-time normalisation and 0.213 for a global normalised absolute ATE vector. The paired advantage over one-at-a-time normalisation increased from -0.003 under additivity to 0.091 under strong interactions. On both empirical DoubleML datasets, 401(k) eligibility/net financial assets (n = 9,915) and Pennsylvania reemployment bonus/unemployment duration (n = 5,099), predictive SHAP/TreeSHAP rankings differed materially from Feature-CAS rankings of treatment-effect modifiers. In Pennsylvania, dep1 (exactly one dependent) moved from predictive global rank 13 to Feature-CAS rank 2 and was the leading local Feature-CAS modifier. These results isolate the added value of separating what predicts the outcome from what explains heterogeneity in an estimated causal effect.
• Abstract（参考訳）: 予測的説明法は、モデル出力を属性とします。 本稿では,因果説明のためのコンパクトスコアアーキテクチャであるCausal Attribution Score(CAS)を紹介する。 CASは、特定された介入連立ゲームから始まり、因果シェープリーのコントリビューションとは対照的な共同介入を割り当て、これらの生の成果スケール効果をローカルCAS、サインドローカルCAS、2つの補完的なグローバルCASサマリに変換する。 イノベーションは新しいShapley式ではなく、明示的な介入対象を持つローカルからグローバルの因果報告層である。 既知のトラス・ベンチマークでは、8つの繰り返し一次相互作用シミュレーション(n = 2,200, 3つの作用)により、連立を意識したCASでは0.107の局所CAS MAEが、一時正規化では0.173、大域正規化された絶対ATEベクトルでは0.213が得られた。 1-at-a-timeの正規化に対する対の優位性は、添加率で-0.003から強い相互作用で0.091まで増加した。 実証的なDoubleMLデータセットでは,401(k)の適格/ネット金融資産(n=9,915)とペンシルバニア再雇用ボーナス/アンプリポイメント期間(n=5,099)で,予測SHAP/TreeSHAPランキングは,治療効果修飾薬の特徴-CASランキングと大きく異なっていた。 ペンシルベニア州では、dep1(実際には1つの依存)が予測的グローバルランク13からFeature-CASランク2に移行し、主要なローカルなFeature-CAS修飾器となった。 これらの結果は、推定因果効果における不均一性を説明する結果から、結果を予測するものを分離する付加価値を分離する。

関連論文リスト

• Semiparametric Inference for Conditional Shapley Feature Importance [0.0]
  本稿では, 条件定式化について検討し, その実条件分布の下で, 対数外特徴を積分する。 そこで本研究では, K-fold cross-fitting とU-statistic correct of the squared loss intervalを提案する。 ピンスカー型境界は、作業コプラクラスを誤って特定するバイアスを定量化し、ワインコプラは条件付きサンプリングが可能である。
  論文  参考訳（メタデータ） (2026-09-09T15:19:24Z)
• CausalNav: Reliability-Certified Causal World Models for Control under Physical-Parameter Shift [4.0604823050005345]
  CausalNavは、特定状態座標上の署名付きアクション条件遷移グラフを中心に構築されたコントローラである。 CausalNavはデプロイメント時に、介入シーケンスの小さなライブラリをシミュレートし、客観的エラーをポリシ-ログアドバイスに変換する。 我々はCartPole-v1とPendulum-v1の9つの制御基線について評価した。
  論文  参考訳（メタデータ） (2026-08-07T23:16:57Z)
• UpliftBench: Revealing Outcome-Regime and Objective Mismatch in Uplift Evaluation [0.0]
  UpliftBenchは、外部テストで分離された多目的プロトコルの下で、12のアップリフト推定器を評価する。 この意見の相違は、モデルではなくメトリクスに関するものだと示しています。
  論文  参考訳（メタデータ） (2026-08-02T00:51:44Z)
• SL-BiLEM: Structured Learnable Behavior-in-the-Loop Epidemic Modeling for Forecasting and Policy Evaluation [42.644852156101685]
  エピデミック予測は、人間の行動が病気の拡散に動的に反応する、という根本的な課題に直面している。 頑健な外挿のための正則化として物理的制約を利用するtextbfSL-BiLEM(Structured Learnable Behavior-in-the-Loop Epidemic Model)を提案する。
  論文  参考訳（メタデータ） (2026-05-26T08:46:04Z)
• Learning from Emptiness: De-biasing Listwise Rerankers with Content-Agnostic Probability Calibration [76.08899010904652]
  CapCalは、ランキング決定から位置バイアスを機械的に分離する、トレーニング不要のフレームワークである。 シングルパス効率を保ちながら、トレーニング不要の手法で優れた性能を発揮する。
  論文  参考訳（メタデータ） (2026-04-11T10:47:22Z)
• On the Structural Non-Preservation of Epistemic Behaviour under Policy Transformation [51.56484100374058]
  このような情報条件の相互作用パターンを振る舞い依存として定式化する。 これにより、$$-behavioural equivalenceというプローブ相対的な概念と、政治内行動距離が導かれる。 その結果、共通政策変換の下でプローブ条件の挙動分離が保存されない構造条件が明らかになった。
  論文  参考訳（メタデータ） (2026-02-24T22:55:21Z)
• VARSHAP: Addressing Global Dependency Problems in Explainable AI with Variance-Based Local Feature Attribution [3.545940115969205]
  SHAPのような既存の特徴属性法は、しばしばグローバルな依存に悩まされ、真のローカルモデルの振る舞いを捉えられなかった。 本稿では,特徴の重要度として,予測分散の低減を利用したモデルに依存しない新しい局所特徴属性法であるVARSHAPを紹介する。
  論文  参考訳（メタデータ） (2025-06-08T17:26:47Z)
• Clustered Switchback Designs for Experimentation Under Spatio-temporal Interference [44.644520116360106]
  我々は, 平均治療効果 (GATE) を推定し, 全単位を常に治療やコントロールに曝露した平均結果の差を推定した。 そこで我々は,単位をクラスタにグループ化し,時間ステップをブロックにグループ化する,クラスタ化されたスイッチバック設計を提案する。 良好なクラスタリングを許容するグラフに対して, トラッピングされたHorvitz-Thompson推定器が$tilde O(1/NT)$平均二乗誤差(MSE)を達成することを示す。 我々の結果は、citethu2022switchback、ugander2013graph、citetleung2022rateの結果を同時に一般化する。
  論文  参考訳（メタデータ） (2023-12-25T01:00:58Z)
• RHALE: Robust and Heterogeneity-aware Accumulated Local Effects [8.868822699365616]
  累積局所効果(英: Accumulated Local Effects, ALE)は、ある特徴の出力に対する平均効果を分離するための広く使われている説明可能性法である。 これは、平均的な(グローバルな)効果からインスタンスレベル(局所的な)効果の偏りを定量化していない。 本稿ではこれらの制約に対処するため,Robust と Heterogeneity-aware ALE (RHALE) を提案する。
  論文  参考訳（メタデータ） (2023-09-20T10:27:41Z)
• GANTouch: An Attack-Resilient Framework for Touch-based Continuous Authentication System [49.54053354664652]
  本研究は,新規なジェネレーティブ・アドバイサル・ネットワークを用いたTCASフレームワークを提案し,それを3つのアクティブ・ディバイサル環境下でのV-TCASと比較する。 G-TCASはポピュレーションとランダムベクターの下ではV-TCASよりも弾力性があり、ゼロエフォートよりも敵のシナリオにダメージを与えた。 以上の結果から, 活発な対向環境下でのTCASの評価と, TCASパイプラインにおけるGANの有用性を確認することが示唆された。
  論文  参考訳（メタデータ） (2022-10-02T20:58:04Z)
• Adaptive LASSO estimation for functional hidden dynamic geostatistical model [69.10717733870575]
  関数型隠れ統計モデル(f-HD)のためのペナル化極大推定器(PMLE)に基づく新しいモデル選択アルゴリズムを提案する。 このアルゴリズムは反復最適化に基づいており、適応最小限の収縮・セレクタ演算子(GMSOLAS)ペナルティ関数を用いており、これは不給付のf-HD最大線量推定器によって得られる。
  論文  参考訳（メタデータ） (2022-08-10T19:17:45Z)
• Causality Inspired Representation Learning for Domain Generalization [47.574964496891404]
  本稿では、ドメイン一般化問題を形式化する一般的な構造因果モデルを提案する。 我々の目標は、入力から因果因子を抽出し、不変因果機構を再構築することである。 理想的な因果因子は、非因果的要因から分離され、共同独立であり、分類に十分な因果的要因である。
  論文  参考訳（メタデータ） (2022-03-27T08:08:33Z)
• An Analysis of the Adaptation Speed of Causal Models [80.77896315374747]
  最近、Bengioらは、すべての候補モデルの中で、$G$は、あるデータセットから別のデータセットに適応する最速のモデルであると推測した。 最適化からの収束率を用いた原因影響SCMの適応速度について検討する。 驚くべきことに、私たちは反因果モデルが有利である状況を見つけ、初期仮説を偽造する。
  論文  参考訳（メタデータ） (2020-05-18T23:48:56Z)

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。