Causal Foundation Models

• 类型：arxiv
• 标识：2609.03003
• 链接：https://arxiv.org/abs/2609.03003
• 主分类：engineering
• 形态：method
• 被引：0
• 被引来源：Semantic Scholar + OpenAlex
• S2被引：0
• OpenAlex被引：0
• 影响力被引：0
• TLDR：Causal foundation models are pretrained neural networks that estimate causal quantities, such as the average treatment effect, on entirely new datasets using in-context learning without requiring model updates.
• OpenAlex ID：W7208735904
• OpenAlex DOI：10.48550/arxiv.2609.03003
• DOI：10.48550/arxiv.2609.03003
• DOI来源：OpenAlex
• 开放获取：green
• 开放获取链接：https://arxiv.org/pdf/2609.03003
• OpenAlex更新：2026-09-10
• 副分类：llm-infra
• 待LLM分类：否
• 标题中文：因果基础模型
• TLDR中文：因果基础模型是经过预训练的神经网络，可在全新的数据集上通过上下文学习估计因果量（如平均处理效应），无需模型更新。
• 来源文件：
• /inbox/tom/_candidates/2026-09-09-agent-rag-longcontext-candidates.json
• [OpenAlex backfill]
• [S2 enrich]