研究人员推出了新的基准测试,以评估大型语言模型 (LLM) 的因果发现和推理能力。CausalArena 为在各种合成和真实世界数据集上对因果发现基础模型 (CDFM) 进行基准测试提供了一个统一的框架,揭示了基于基准测试设计的显著性能变化。CausalVerify 侧重于大型语言模型执行和验证因果估计工作流的能力,发现虽然一些大型语言模型可以生成代码,但其基于执行的正确性通常较低。CausalBN-Bench 评估了大型语言模型在贝叶斯网络上的因果学习能力,表明虽然它们在简单的链状结构上表现良好,但在更大、更复杂的网络(尤其是具有对撞结构的网络)上落后于传统算法。 AI
影响 这些基准测试将推动开发具有更强大因果推理能力的大型语言模型,这对于科学发现和可靠的决策至关重要。
排序理由 多篇研究论文介绍了评估大型语言模型在因果发现和推理能力方面的新基准测试。
在 Hugging Face Daily Papers 阅读 →
- alphaXiv
- arXiv
- CausalBN-Bench
- CausalVerify
- DagsHub
- Hugging Face
- Llama 3.3 70B Instruct
- LLMs
- Yu Zhou
- CausalArena
- Causal Discovery Foundation Models
- Structural Causal Models
AI 生成摘要 · Google Gemini · 来自 4 个来源。 我们如何撰写摘要 →