CausalGuard: Inferenza Conforme Sotto Incertezza del Grafo

CausalGuard, un nuovo approccio, affronta il problema dell'incertezza del grafo nell'inferenza causale attraverso un quadro conforme strutturalmente ponderato. Questo metodo combina pseudo-outcome doppiamente robusti condizionati al grafo, utilizzando grafi aciclici diretti (DAG) candidati suggeriti da un prior sugli archi derivato da un grande modello linguistico (LLM), che vengono poi raffinati tramite test di indipendenza condizionale e ripesati secondo il Criterio di Informazione Bayesiana. Un punteggio di non conformità composito viene impiegato per calibrare lo pseudo-outcome ponderato a posteriori, garantendo una copertura marginale finita senza distribuzione. La sua copertura media condizionale è assicurata in condizioni di identificazione causale, sovrapposizione, stabilità delle nuisance a media condizionale e focus su strategie di aggiustamento valide allineate con gli obiettivi. Questa tecnica è dettagliata in un articolo disponibile su arXiv (2605.21928).