論文の概要: MaSCoD: A Multi-Agent Framework for Structural-Context-Guided Candidate Causal Graph Generation

• arxiv url: http://arxiv.org/abs/2609.19944v1
• Date: Thu, 17 Sep 2026 09:17:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-20 08:55:54.198729
• Title: MaSCoD: A Multi-Agent Framework for Structural-Context-Guided Candidate Causal Graph Generation
• Title（参考訳）: MaSCoD: 構造化コンテキスト誘導型カジュアルグラフ生成のためのマルチエージェントフレームワーク
• Abstract要約: MaSCoDは、直接的な判断の前に、候補となる第3の変数と局所的な構造パターンを整理する。 GPT-5.4 を一次バックボーンとし、GPT-4o を複製に用いた Auto-MPG, DWD, Sachs 上の MaSCoD の評価を行った。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Large language models (LLMs) have been applied to causal discovery, but candidate-graph generation rarely treats premature omission of potentially relevant causal relations as an explicit design objective. We propose MaSCoD, a multi-agent framework that organizes candidate third variables and local structural patterns before direct-edge judgment. We evaluate MaSCoD on Auto-MPG, DWD, and Sachs using GPT-5.4 as the primary backbone and GPT-4o for replication. MaSCoD exhibits a dataset- and backbone-dependent retention-selectivity profile rather than uniform superiority. Across all six dataset-backbone settings, Full, which supplies structural hypotheses before direct-edge judgment, achieved higher mean Recall and F1 than No Phase 1, which instead constructs them within the judgment procedure, while also increasing false-positive rates. Additional reference-edge retention over all evaluated baselines was observed on DWD with GPT-5.4 and on Sachs with GPT-4o, rather than uniformly across settings. Partial ablations showed that supplying both information components did not always outperform supplying only one. For GPT-5.4, stage-wise analysis showed that the Full-No Phase 1 retention gap was already present after direct-edge judgment, while reconciliation introduced additional reference-edge loss for Full on Sachs. These findings support structural pre-organization as an explicit design and evaluation target for omission control and motivate evaluating context construction jointly with its utilization in judgment.
• Abstract（参考訳）: 大規模言語モデル (LLM) は因果発見に応用されているが, 因果関係の早期欠落を明確な設計目的として扱うことは稀である。 直接判断の前に候補となる第3変数と局所構造パターンを整理するマルチエージェントフレームワークであるMaSCoDを提案する。 GPT-5.4 を一次バックボーンとし、GPT-4o を複製に用いた Auto-MPG, DWD, Sachs 上の MaSCoD の評価を行った。 MaSCoDは、均一な優越性ではなく、データセットとバックボーンに依存した保持選択プロファイルを示す。 6つのデータセットバックボーン設定全体にわたって、直接エッジ判定の前に構造仮説を供給しているFullは、No Phase 1よりも平均リコールとF1を高く達成し、代わりに判断手順内でそれらを構成し、偽陽性率を増加させた。 GPT-5.4でDWD、GPT-4oでScRAでGPT-4oでDWDに統一された基準線に対する追加の基準エッジ保持が観測された。 部分的なアブリゲーションでは、両方の情報コンポーネントの供給は、必ずしも1つの情報のみの供給よりも優れていなかった。 GPT-5.4では、ステージワイズ解析により、Flull-No Phase 1の保持ギャップは直接エッジの判定後に既に存在しており、和解によってFull on Sachsに追加の参照エッジの損失が導入された。 これらの知見は, 脱落制御のための明示的な設計および評価対象として構造事前組織化を支援し, 文脈構築と判断の活用の両立を動機づけた。

関連論文リスト

• Orthogonal JEPA: Factorized Predictive States for Latent World Models [95.20158869896393]
  予測因数分解に基づく潜在的世界モデリングフレームワークであるメソッドを導入する。 そこで本研究では,予測構造を弱め,あるいは矛盾する勾配を抑えつつ,冗長なキャパシティを支配的信号に割り当てる手法を提案する。 制御された視覚、単細胞転写学、縦断的な健康記録、連続的な制御、分子動力学の実験は、表現品質、予測、計画、長期安定性を評価する。
  論文  参考訳（メタデータ） (2026-08-20T13:59:57Z)
• Retroactive Chain-of-Thought (RetroCoT): Forensic Reconstruction Prompts as a Safety Diagnostic Across Model Generations [0.0]
  現在のアライメントポリシーは意味的等価性に不変ではないことを示す。 Retroactive Chain-of-Thought(RetroCoT)は,有害な要求を法医学的な再構築タスクとして再設定する単一ターン攻撃である。
  論文  参考訳（メタデータ） (2026-07-06T03:59:06Z)
• Beyond Static Leaderboards: Predictive Validity for the Evaluation of LLM Agents [19.290397279235084]
  本稿では,MPPをベースとした産業エージェントベンチマークにおいて,これまでで最大規模の協調型ディープディーブを集計する。 集約スコアのリーダーボードは,デプロイエージェントの評価を体系的に過小評価している,と我々は主張する。
  論文  参考訳（メタデータ） (2026-06-18T02:02:46Z)
• ANCHOR: Autoregressive Non-intrusive Chunk-Ordered Refinement for Joint Multi-Resolution Speech Quality Modeling [62.983372215479925]
  ストリーミングと生成システムは、部分的なオーディオから漸進的な推定を必要とする。 多分解能オートレタスクとしてインクリメンタルアセスメントを改良したANCHORを提案する。 2秒プレフィックスの48%のPLCMOSエラー削減を含む、部分入力下でのかなりの堅牢性を示す実験。
  論文  参考訳（メタデータ） (2026-06-08T22:46:30Z)
• RubricEM: Meta-RL with Rubric-guided Policy Decomposition beyond Verifiable Rewards [76.17893114021757]
  長い形式のレポートを計画し、調査し、エビデンスを評価し、合成する深層研究システムには、根本的な答えがなく、多くのツール強化された決定にまたがる。 本研究では,ルーブリックは最終回答評価者だけでなく,ポリシーの実行,判断フィードバック,エージェントメモリを構成する共有インターフェースとして機能すべきである,と論じる。 我々は、段階的な政策分解とリフレクションに基づくメタ政治進化を組み合わせたルーリック誘導強化学習フレームワークEMを導入する。
  論文  参考訳（メタデータ） (2026-05-11T17:40:38Z)
• Four-Axis Decision Alignment for Long-Horizon Enterprise AI Agents [0.0]
  長期のエンタープライズエージェントは、失われた記憶、多段階の推論、および規制の制約の下で高い評価を下す。 長距離決定行動は、4つの軸に分解され、それぞれ独立に測定可能で、フェール可能となる。
  論文  参考訳（メタデータ） (2026-04-21T13:37:19Z)
• STaR-DRO: Stateful Tsallis Reweighting for Group-Robust Structured Prediction [0.20165644958637055]
  制御可能な推論と堅牢な微調整のための2部フレームワークを提案する。 まず、フォーマットのドリフト、ラベルの曖昧さ、エビデンス幻覚、メタデータ条件の混乱に対処するためのタスクに依存しないプロンプト戦略を導入する。 第2に,グループ不均一性のステートフルなロバスト最適化手法STaR-DROを導入する。
  論文  参考訳（メタデータ） (2026-04-09T21:58:42Z)
• It's TIME: Towards the Next Generation of Time Series Forecasting Benchmarks [87.7937890373758]
  時系列基礎モデル(TSFM)は,特定のデータセットモデルから一般化可能なタスク評価に至るまで,予測環境に革命をもたらしている。 我々は、50の新しいデータセットと98の予測タスクからなる次世代タスク中心のベンチマークであるTIMEを紹介する。 静的なメタラベルに基づく従来のデータセットレベルの評価を超える新しいパターンレベルの評価視点を提案する。
  論文  参考訳（メタデータ） (2026-02-12T16:31:01Z)
• GRCF: Two-Stage Groupwise Ranking and Calibration Framework for Multimodal Sentiment Analysis [20.77940776708036]
  ペアワイズな順序学習フレームワークは、比較から学ぶことで相対的な順序を捉える。 彼らは全ての比較に均一な重要性を割り当て、ハード・ツー・ランクのサンプルに適応的に焦点をあてることに失敗した。 本稿では,グループ相対的政策最適化の理念を取り入れた二段階群ランク付け・フレームワークを提案する。 GRCFは、コア回帰ベンチマークで最先端のパフォーマンスを達成すると同時に、分類タスクにおいて強力な一般化性を示す。
  論文  参考訳（メタデータ） (2026-01-14T16:26:44Z)
• Structured Reasoning for Large Language Models [59.215789462977206]
  本研究では、推論を明示的、評価可能、トレーニング可能なコンポーネントに分解するフレームワークであるStructured Reasoning(SCR)を提案する。 SCRは推論効率と自己検証を大幅に改善する。 既存の推論パラダイムと比較して、出力トークンの長さを最大50%削減する。
  論文  参考訳（メタデータ） (2026-01-12T04:04:01Z)
• Eigen-1: Adaptive Multi-Agent Refinement with Monitor-Based RAG for Scientific Reasoning [53.45095336430027]
  暗黙的な検索と構造化された協調を組み合わせた統合フレームワークを開発する。 Humanity's Last Exam (HLE) Bio/Chem Goldでは,48.3%の精度を実現している。 SuperGPQAとTRQAの結果はドメイン間の堅牢性を確認した。
  論文  参考訳（メタデータ） (2025-09-25T14:05:55Z)

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。