实体 CausalVerify

CausalVerify

PulseAugur coverage of CausalVerify — every cluster mentioning CausalVerify across labs, papers, and developer communities, ranked by signal.

总计 · 30天

1

90 天内 1

发布 · 30天

0

90 天内 0

论文 · 30天

1

90 天内 1

层级分布 · 90 天

主题

情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条

RESEARCH · CL_244861 · Sep 10 · 04:00

新的基准测试评估LLM因果推断能力

发布了两个新的基准测试CausalVerify和CausalBN-Bench，用于评估大型语言模型（LLM）的因果推断能力。CausalVerify侧重于结构化计量经济学工作流，测试LLM是否能执行代码从合成数据中恢复正确的因果估计，结果显示模型之间存在显著差异，并且执行基础的正确性与基于文本的评分之间存在差距。另一方面，CausalBN-Bench在相关性、因果骨架和因果识别任务上评估LLM，发现虽然闭源模型在简单关系方面显示出潜力…