日: 2026年2月20日

CauScale: Neural Causal Discovery at Scale 

  • CauScale: Neural Causal Discovery at Scale [47.4]
    因果発見は、科学AIやデータ分析などのデータ駆動分野の進展に不可欠である。 最大1000ノードのグラフに推論をスケールする、効率的な因果探索のために設計されたニューラルネットワークであるCauScaleを提示する。
    論文  参考訳（メタデータ）   (Mon, 09 Feb 2026 13:21:32 GMT)
  • 「we present CauScale, a neural architecture designed for efficient causal discovery that scales inference to graphs with up to 1000 nodes.」と大規模にスケール可能な因果発見のためのモデルの提案。
  • リポジトリはGitHub – OpenCausaLab/CauScale: Implementation for paper CauScale: Neural Causal Discovery at Scale.

CausalAgent: A Conversational Multi-Agent System for End-to-End Causal Inference

  • CausalAgent: A Conversational Multi-Agent System for End-to-End Causal Inference [36.9]
    CausalAgentは、エンドツーエンドの因果推論のための対話型マルチエージェントシステムである。 新しいユーザ中心の人間-AIコラボレーションパラダイムとして、CausalAgentは分析ワークフローを明示的にモデル化している。
    論文  参考訳（メタデータ）   (Thu, 12 Feb 2026 03:36:29 GMT)
  • 「We presented CausalAgent, a conversational multi-agent system for end-to-end causal inference. The system integrates MAS, RAG, and multiple causal algorithms encapsulated by the MCP protocol.」
  • リポジトリはGitHub – DMIRLAB-Group/CausalAgent: A Conversational Multi-Agent System for End-to-End Causal Inference.

PaddleOCR-VL-1.5: Towards a Multi-Task 0.9B VLM for Robust In-the-Wild Document Parsing