Francesco Locatello 演讲:用 AI+因果推断替代人工分析实验数据
FrancescoLocat8 · x · 2026-10-26
在 CBR AI Conclave（脑研究与健康脑老化方向）上，Francesco Locatello 教授介绍了 AI 如何改变从实验数据中得出结论的方式。演讲指出手工分析实验结果耗时且易带偏差，并展示了基于预测驱动因果推断（prediction-powered causal inference）的方法：当满足特定独立性与分布条件时，增广逆概率加权（Augmented Inverse Propensity Weighting, Robins et al. 1994）能给出渐近正确的因果效应置信区间。
幻灯片引用了三篇 NeurIPS 论文（含 2024《Smoke and Mirrors in Causal Downstream Tasks》与 2025《Prediction-Powered Causal Inference》），实例是在蚂蚁视频上后训练的 CLIP-ViT-L：相比普通微调，预测驱动因果推断估计的因果效应区间明显更准，说明视觉模型可作为「自动测量仪」用于科学实验，同时用统计框架控制偏差。
「研究」频道最新
- 莱斯特大学联手 Carelight 开发 AI 可穿戴设备监测中风患者 — tbirdcymru · 2026-10-26
- Hugging Face 读书会精讲:分数中心化如何稳定离线策略强化学习 — Hugging Face · 2026-10-26
- EMNLP 论文:多选题评分方案微调即可打乱模型排行榜 — boydgraber · 2026-10-26
- 可信 AI 开拓者 Nicolas Papernot 获 2026 McDonald Fellowship — VectorInst · 2026-10-26
- DeepMind 研究员 EMNLP 主题演讲：用正向对齐替代脆弱规则 — verena_rieser · 2026-10-26
- Prime Intellect 自改进 agent harness 2.5小时深扒：ARC-AGI-3 达 95.5% — yacinelearning · 2026-10-26