Leveraging Generative Artificial Intelligence for Causal Inference with Unstructured Data
利用生成式人工智能对非结构化数据开展因果推断AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要明确利用文本和图像表示调整混杂、分离特征影响并估计因果效应，因此归入因果推断。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
利用生成式人工智能对非结构化数据开展因果推断
- 研究问题
- 如何利用文本和图像等非结构化数据中的信息进行因果及预测推断，并在使用生成模型得到的低维表示时量化估计不确定性？
- 方法与思路
- 作者提出 GPI 框架，用开源生成模型批量生成非结构化数据并提取低维表示，再结合机器学习估计效应，无需微调生成模型。
- 材料陈述的贡献
- 摘要称，该框架提供捕捉底层结构的表示保证与不确定性量化，展示文本混杂、图像特征和政治修辞三类应用，并提供开源软件。
- 阅读关注点
- 应核对表示保留结构的保证依赖什么条件、生成数据与真实数据的关系，以及混杂调整、效应识别和不确定性传播的具体处理。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未核实；摘要未说明表示保证和因果识别条件，也未提供软件实现及性能的独立验证。
原文摘要
We introduce GenAI-Powered Inference (GPI), a statistical framework for both causal and predictive inference using unstructured data, including text and images. GPI leverages open-source Generative Artificial Intelligence (GenAI) models---such as large language models and diffusion models---not only to generate unstructured data at scale but also to extract low-dimensional representations that are guaranteed to capture their underlying structure. Applying machine learning to these representations, GPI enables estimation of causal effects while quantifying associated estimation uncertainty. Unlike existing approaches to representation learning, GPI does not require fine-tuning of generative models, making it computationally efficient and broadly accessible. We illustrate the versatility of the GPI framework through three applications: (1) estimating the effects of Chinese social media censorship while adjusting for textual confounders, (2) isolating the impact of specific image features from that of other correlated features in the same image, and (3) assessing the persuasiveness of political rhetoric. An open-source software package is available for implementing GPI.