标签
本文介绍了概念调制模型（CMMs），一个用于条件生成模型可识别性和外推的统一框架。它表明，已观测属性上的特征一致性通过属性势产生约束，从而使得代数外推准则能够恢复并泛化现有结果。
本文批评了自然语言处理（NLP）中的“代理预设”，即错误地将几何嵌入属性与社会构念等同起来。文章提出了结构效度协议（Construct Validity Protocol）和反事实中立化（Counterfactual Neutralization）方法，以确保对源自语义嵌入的社会测量进行严格的验证。
本文介绍了 MOSAIC，这是一种用于科学时间序列中模块发现的方法，它将因果表征学习与稀疏可加可识别因果学习相结合。其目标是在无需事后对齐的情况下，恢复可解释的潜在变量及其关联观测值，并在分子动力学和气候数据等领域进行了验证。