大语言模型用于因果发现和因果推断 | 周日直播·因果科学与大语言模型读书会
Jon Fox for Quanta Magazine
导语
内容简介
内容简介
大纲
大纲
– 大语言模型用于因果发现
– 大语言模型利用世界知识定向无向边
– 大语言模型为因果发现提供先验知识
– 大语言模型发掘文本中潜在的因果变量
– 大语言模型用于因果推断
– 大语言模型估计因果效应
– 大语言模型帮助因果决策
– 因果科学与大模型的融合
– 因果科学在大模型设计中的启示
主讲人介绍
主讲人介绍
主持人介绍
主持人介绍
陈广义, 卡耐基梅隆大学,穆罕默德·本·扎耶德人工智能大学,博士后研究员。博士就读于清华大学自动化系。主要研究方向为因果表征学习,注意力表征学习,视觉理解等。在CVPR、ICCV、ECCV、 ICLR、NeurIPS、ICML、AAAI、IEEE TIP等多个顶尖会议期刊上发表论文30余篇,其中以第一作者发表论文10余篇,Spotlight或Oral 论文7篇。现为CVPR、 ICCV、 ICLR、ICML、NeurIPS等多个国际会议PC member,以及IEEE TPAMI, IEEE TIP, IEEE TNNLS, IJCV等多个期刊审稿人.
个人主页:https://chengy12.github.io/
直播信息
直播信息
直播时间:
参与方式:
集智俱乐部 B站和视频号免费直播,扫码可预约:
参考文献
参考文献
[1] Long, Stephanie, et al. “Causal Discovery with Language Models as Imperfect Experts.” ICML Workshop, 2023.
[2] Abdulaal, Ahmed, et al. “Causal Modelling Agents: Causal Graph Discovery through Synergising Metadata-and Data-driven Reasoning.” ICLR, 2023.
[3] Cai, Hengrui, et al. “Is Knowledge All Large Language Models Needed for Causal Reasoning?.” arXiv preprint arXiv:2401.00139 (2023).
[4] Vashishtha, Aniket, et al. “Causal Inference using LLM-Guided Discovery.” AAAI Workshop, 2023.
[5] Liu, Chenxi, et al. “Discovery of the Hidden World with Large Language Models.” arXiv preprint arXiv:2402.03941 (2024).
[6] Jin, Zhijing, et al. “CLADDER: Assessing causal reasoning in language models.” NeurIPS, 2023.
[7] Liu, Xiao, et al. “Are LLMs Capable of Data-based Statistical and Causal Reasoning? Benchmarking Advanced Quantitative Reasoning with Data.” arXiv preprint arXiv:2402.17644 (2024).
因果科学社区
【第一季:因果科学与Causal AI】基于《Elements of Causal Inference》,探讨因果科学在机器学习方面的应用,如强化学习和迁移学习等,并分享工业应用。
【第二季:因果科学与基础实战】聚焦实操和基础,深入学习《Causal inference in statistics: A primer》和《Elements of causal inference: foundations and learning algorithms》。
【第三季:因果科学与Causal +X】回顾社会学、经济学、医学,计算机等领域的因果模型和范式,尝试用现代模型提供新思路。
【第四季:因果表征学习】探讨因果表征学习的理论、技术和最新应用,涉及因果生成模型、可解释性、公平性及工业落地。
详情请见:速来!因果与大模型的双向赋能丨因果科学第五季强势回归