Auto-MPG

新的多智能体框架 MaSCoD 使用 LLM 增强因果图生成

研究人员开发了 MaSCoD，一个新颖的多智能体框架，旨在通过明确解决相关因果关系遗漏问题来改进因果图生成。该框架在直接边判断前组织候选第三方变量和局部结构模式，并利用 GPT-5.4 和 GPT-4o 等 LLM 进行操作。在 Auto-MPG、DWD 和 Sachs 等数据集上的评估表明，MaSCoD 的性能取决于数据集和所使用的特定 LLM 主干，而不是提供普遍的优越性。研究表明，预先组织结构信息可以成为控制因果发现中遗漏的宝贵设计目标。