[논문리뷰] LimiX-2: A Contextual Mechanism Network Towards General Structured-Data Intelligence본 논문은 구조화된 데이터(Structured Data)를 범용적으로 학습하고 추론하는 인공지능 모델의 개발을 목표로 합니다. 기존 연구(PFN 등)는 데이터셋 내 특정 타겟 컬럼을 예측하는 p(y|x, D_context) 최적화에 국한되어 있어, 변수 간의 복잡한 공동 분포를 포착하는 데 한계가 있습니다.#Review#Contextual Mechanism Networks#Structured-Data Intelligence#In-context Learning#Context-Conditional Masked Modeling#Structural Causal Models#Tabular Foundation Models2026년 9월 16일댓글 수 로딩 중
[논문리뷰] Causal Foundation Models본 논문은 전통적인 인과 추론 파이프라인의 낮은 효율성과 확장성 문제를 해결하기 위해 Causal Foundation Models (CFMs)를 제안한다. 기존의 인과 추론 기법은 새로운 문제마다 인과 메커니즘을 설계하고, 적절한 추정기를 선택하며, 하이퍼파라미터를 튜닝하는 반복적인 과정을 거쳐야 한다 .#Review#Causal Foundation Models#Causal Inference#In-context Learning#Data-generating Processes#Potential Outcomes#Structural Causal Models2026년 9월 7일댓글 수 로딩 중
[논문리뷰] CausalDS: Benchmarking Causal Reasoning in Data-Science Agents본 논문은 현대의 LLM 기반 데이터 과학 에이전트들이 복잡한 인과적 추론을 수행하는 능력이 부족하거나 불투명하다는 문제를 해결하고자 합니다.#Review#Causal Reasoning#Data-Science Agents#Structural Causal Models#Benchmarking#Identifiability#Uncertainty Quantification#Tool Use2026년 7월 9일댓글 수 로딩 중
[논문리뷰] CausaLab: A Scalable Environment for Interactive Causal Discovery Toward AI Scientists본 논문은 기존의 인과 추론 벤치마크가 LLM의 진정한 인과적 사고를 평가하기보다 암기된 지식에 의존하는 'Causal parrot' 문제를 해결하기 위해 CausaLab을 제안한다 .#Review#Causal Discovery#LLM Agents#Structural Causal Models#Interactive Benchmarking#Scientific Discovery#Mechanism Recovery2026년 5월 28일댓글 수 로딩 중
[논문리뷰] Project Ariadne: A Structural Causal Framework for Auditing Faithfulness in LLM Agents본 논문은 대규모 언어 모델(LLM) 에이전트의 Chain-of-Thought(CoT) 추론 과정 이 실제 모델 출력의 원인인지 혹은 사후 합리화인지에 대한 'Faithfulness Gap' 문제를 해결하고자 합니다.#Review#LLM Agents#Faithfulness#XAI#Causal Inference#Structural Causal Models#Counterfactual Interventions#Reasoning Trace Auditing#Causal Decoupling2026년 1월 5일댓글 수 로딩 중