arXiv · cs.AI · Marcus Thomas · 4 小时前模型评分41
论文探讨为何仅靠数据无法学会干预能力：预测收益与因果损失
Predictive gains, causal losses: why interventional competence cannot be learned from data alone
导读
一篇 arXiv 论文论证，对平方误差损失下的确定性预测器，只要观测优势存在，就必然依赖结果直接原因之外的输入，从而给干预响应误差设下正的下界。这种依赖还会让模型行为随同一干预的实现方式而变化。作者提出，要把误差降到该下界以下，必须引入更好的因果假设，并推测可靠获得干预能力需要自主提出、检验和修正假设。
分类置信度
中 · 待人工复核
- 只有单一媒体来源，需要人工复核。
来源级别：媒体与个人
事件类型：研究发布
证据摘录
- “We conjecture that reliably acquiring and maintaining interventional competence when causal commitments fail requires autonomous participation in proposing alternatives, testing their consequences, and revising them in response to error.”
来源：arXiv · cs.AI · arxiv.org