我们分析了大型语言模型（LLMs) 回答因果问题的能力以及它们在三种类型的因果问题中的优势和劣势。我们认为，目前的LLMs可以结合现有的因果知识回答因果问题，但它们还不能满足于发现新的知识或高精度的决策任务。我们探讨了可能的未来方向和机会，例如启用显式和隐式因果模块以及深度因果感知LLMs。这些不仅能够使LLMs回答更多不同类型的因果问题，也能使LLMs在一般情况下更加值得信赖和高效。

Apr, 2023

本文探讨了大型语言模型（LLMs）的因果能力，证明它们在因果推理方面具有优越性能和独特的知识来源。同时，我们提供了技术来解释它们的鲁棒性，并认为LLMs可用作人类领域知识的代理以及降低因果分析中的人力成本。因此，LLMs在推动因果研究、实践和采纳方面开辟了新的前沿。

Apr, 2023

这篇论文提出了一个新的任务Corr2Cause和一个数据集来评估大型语言模型（LLMs）的纯因果推理能力，并表明这些模型的因果推理能力很不足，尽管通过fine-tuning可以部分缓解这个问题，但它们仍不能在变量的名称和文本表达在测试集中不同的情况下泛化推理。

Jun, 2023

因果推断在捕捉变量之间的因果关系方面显示出在增强自然语言处理模型的预测准确性、公平性、鲁棒性和解释性方面的潜力。生成大型语言模型在通过其先进的推理能力显著影响各种自然语言处理领域的同时，这篇综述从因果的角度对生成大型语言模型进行评估和改进，从而理解和提高生成大型语言模型的推理能力，解决公平性和安全性问题，提供解释支持，并处理多模态数据。与此同时，生成大型语言模型强大的推理能力可以推动因果推断领域的发展，帮助发现因果关系和因果效应估计。本综述旨在探索因果推断框架和生成大型语言模型之间的相互作用，强调它们共同潜力以进一步开发更高级、更公平的人工智能系统。

Mar, 2024

本研究提出了一个全面的基准测试系统CausalBench，旨在评估大型语言模型在理解因果关系方面的能力。通过包含三个与因果学习相关的任务，并结合不同难度的任务场景，该系统能够方便地比较多种大型语言模型与经典因果学习算法的性能。研究利用CausalBench评估了19种领先的大型语言模型，揭示了它们在各个方面的优势和弱点，并定量地探索了它们在不同场景中能力的上限。此外，研究还定量地呈现了不同信息源之间的差异，并揭示了大型语言模型在文本上下文和数值领域中对因果理解能力的差距。

Apr, 2024

基于真实数据，我们提出了一个灵活的评估框架，在评估因果结构和因果效应的差异方面具有关键属性，可以提高大型语言模型的可解释性。我们引入了基于真实数据的开放式因果发现基准（OCDB），以促进公平比较和算法优化。实验结果显示，现有算法在真实数据上存在显著的泛化能力不足，突出了性能改进的潜力以及我们框架在推进因果发现技术方面的重要性。

Jun, 2024

使用结构性因果模型分析了探索语言模型中潜在概念的能力，通过在合成的网格世界导航任务中进行实证研究提供了强有力的证据。

Jul, 2024

本文研究了影响大型语言模型（LLM）在因果发现任务中表现的因素，特别是预训练语料库中因果关系的频率如何影响模型的准确性。研究发现，因果提及频率越高，模型性能越好，表明训练过程中对因果信息的广泛接触提升了模型的因果发现能力。此外，文章还探讨了上下文对因果关系有效性的影响，揭示在不同上下文中相同因果关系可能导致模型的预测出现差异。

Jul, 2024

本研究探讨了因果推断在医学和经济学等多个领域的挑战，并指出传统方法的局限性。通过评估大型语言模型（LLMs）在因果推断任务中的应用，本文总结了主要的因果问题和方法，并讨论了其潜在影响，指出LLMs在推动因果推断方法学进步中的重要角色。

Sep, 2024

本研究针对大语言模型（LLMs）的局限性，特别是由于依赖于概率建模而捕获到虚假相关性的问题，提出整合因果关系的必要性。通过在LLMs的整个生命周期中嵌入因果性，研究提供了一种新方法，以构建更可靠和道德对齐的AI系统，显著提升其因果推理能力。研究还提出了六个促进LLM发展的未来方向，旨在解决当前模型面临的挑战。

Oct, 2024