arXiv · cs.AI · Yiling Wu (BridgeM, Inc.) · 11 小时前模型评分27
论文探讨贝叶斯更新预设了什么：休谟的表征条件与因果学习
What Bayesian Updating Presupposes: Hume's Representational Conditions and Causal Learning
导读
一篇 arXiv 论文指出，贝叶斯因果模型只解释期望如何变化，却未说明学习者如何获得被更新概率的因果内容。作者认为更新本身无法解释经验基础、一般组织与信念这三个条件，并用休谟的习俗性过渡加以串联。对仅通过文本语料学习外部事件的模型而言，其证据是报告中介而非亲历，更新规则无法解决这一点。
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
- “I argue that updating alone leaves three conditions of causal judgment unexplained: experiential grounding, general organization, and belief.”
来源：arXiv · cs.AI · arxiv.org