研究人员开发了一种新颖的因果发现方法，将大型语言模型（LLM）与基于因果假设的论证（ABA）框架相结合。该方法利用LLM作为不完美的专家，从变量名称和描述中提取语义结构先验，并将其与条件独立性证据相结合。在标准基准和合成图上的实验显示了最先进的性能，并且引入了一个新的评估协议来解决LLM在因果发现评估中的记忆偏见问题。 AI
影响 这项研究可以提高因果推断的准确性和可解释性，影响那些依赖于理解因果关系的领域。
排序理由 这是一篇详细介绍使用LLM进行因果发现新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
- arXiv
- Causal Assumption-based Argumentation
- causal discovery
- Fabrizio Russo
- Hugging Face
- large-language models
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
