COAT因果发现框架JMLR版本更新

Chenxi Liu、Yongqiang Chen等研究者开发并更新了因果表示助手（COAT）框架。该框架利用大语言模型（LLM）的世界知识，为因果发现任务提出有用的测量变量，旨在解决因果推断中的特定问题。 该工作最初作为NeurIPS 2024的论文被接收。随后，研究团队对该框架进行了扩展和完善，更新了相关技术细节与研究内容，以提升其在复杂因果场景下的适用性与有效性。 最新进展表明，扩展期刊版论文已被《机器学习研究期刊》（JMLR）正式接受出版。这标志着COAT框架从会议版本向更详尽、经过同行评审的期刊版本演进，确立了其在因果发现领域的最新权威状态。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。