LLM Explainability with Counterfactual Chains and Causal Graphs
基于反事实链和因果图的LLM可解释性
机构 * Faculty of Data and Decision Sciences, Technion I IBM Research（数据与决策科学学院，技术离子IBM研究所）
AI总结 提出一种四阶段方法，利用因果图建模LLM推理过程，通过MCMC启发的反事实增强发现类判别性概念并生成可解释图，用于疾病诊断、情感分析等任务。
高校专区
Technion - Israel Institute of Technology（以色列理工学院）
Bidirectional Search for Longest Paths: Case for Front-to-Front Heuristics
最长路径的双向搜索：前向-前向启发式的情况
机构 * Technion - Israel Institute of Technology（技术学院 - 以色列理工学院）
AI总结 提出BiXDFBnB算法，将单前沿双向搜索框架适配到广义最长简单路径问题，利用前向-前向启发式减少节点扩展，并在某些情况下提升运行时间。
From Kinematics to Dynamics: Learning to Refine Hybrid Plans for Physically Feasible Execution
从运动学到动力学：学习精炼混合计划以实现物理可行的执行
机构 * Technion - Israel Institute of Technology（技术学院 - 以色列理工学院）
AI总结 该研究通过连续空间中的强化学习，解决混合计划在物理可行性执行中的问题，通过引入分析二阶约束的马尔可夫决策过程，改进混合规划器生成的一阶轨迹，从而可靠地恢复物理可行性。
General Synthetic-Powered Inference
通用合成数据驱动推断
机构 * Department of Electrical and Computer Engineering, Technion IIT, Israel（电气与计算机工程系，技术离子研究所，以色列） ； Department of Statistics and Data Science, The Wharton School, University of Pennsylvania, USA（统计学与数据科学系，沃顿商学院，宾夕法尼亚大学，美国） ； Department of Computer Science, Technion IIT, Israel（计算机科学系，技术离子研究所，以色列）
AI总结 本文提出了一种通用合成数据驱动推断框架，通过结合高质量合成数据和真实数据来提高样本效率，同时在合成数据质量低时自动回退到传统方法，无需分布假设即可保持误差率在用户指定范围内。
