本研究利用强化学习在 CauseNet 知识图谱上应用 Actor-Critic 方式，通过搜索图谱回答因果问题，并通过经验学习和算法改进降低搜索空间，结果表明与朴素的宽度优先搜索相比，每个二元因果问题访问不到 30 个节点，在路径上的边均有原始来源，可轻松验证。

Nov, 2023

本文介绍了一种新的精细化因果推理数据集，并在自然语言处理中提出了一系列新的预测任务，例如因果检测、事件因果提取和因果问答。作者通过大量实验和分析表明，数据集中的复杂关系对最先进的方法带来了独特的挑战，并强调了潜在的研究机会，特别是在发展 "因果思维" 方法方面。

Apr, 2022

我们介绍了 CAUS（Curious About Uncertain Scene）数据集，旨在使 GPT-4 这种大型语言模型能够模拟人类认知过程来解决不确定性。利用该数据集，我们研究了 LLM 在有效进行提问方面的潜力。我们的方法是提供具有不确定性嵌入的场景描述，以刺激推理和查询的产生。然后，根据多维度标准对查询进行分类。所有过程都由涉及 LLMs 和人类研究人员的协作系统促进。我们的结果表明，当给予适当的上下文和指导时，GPT-4 能够有效地生成相关问题并掌握其细微之处。该研究表明，将类似人类的提问融入 AI 模型可以提高其处理不确定性的能力，为人工智能的未来发展铺平道路。

Apr, 2024

本篇论文提出了一种建立对话式问答系统的新数据集 CoQA，包含来自七个不同领域的 8,000 个对话中 127,000 个具有答案的问题，分析表明，这些问题比现有的阅读理解数据集具有更多挑战性和难点，需要针对性的解决方案，评测结果显示目前最好的系统 F1 得分为 65.4％，仍然有大量的改进空间。

Aug, 2018

利用卡通片的独特特性构建了新的挑战性因果 Why-QA 数据集 CausalChaos!，其中包含了较长的因果链并嵌入动态交互和视觉中，模型可以通过动画原理解决更具挑战性且明确定义的因果关系问题。同时，我们的研究还指出了更先进 / 明确的因果关系建模和视觉和语言的联合建模作为未来努力的重点领域。

Apr, 2024

通过任务特定的 embedding，显式地建模因果关系可以有效地提高问题回答系统的性能。

Sep, 2016

该研究引入了 CRAFT 数据集，该数据集包含来自 20 个虚拟环境的 10K 个视频，涉及各种互相作用的对象。通过描述性，反事实和因果问题的回答，测试了 CRAFT 的易用性。尽管问题对人类来说很容易，但测试的基准模型，包括现有的最先进方法，仍然无法解决我们提供的挑战。通过认知语言学中的力动态理论启发，引入涉及通过原因、使能和防止等观念理解对象之间因果相互作用的新因果问题类别。

Dec, 2020

通过构建一个包含九千多个问题 - 答案 - 理由三元组的 QA 数据集 “WikiWhy”，确定大型语言模型（LLMs）的推理能力，该数据集的每个理由都是一组支持语句，它们将问题和答案连接起来。 GPT-3 只能在结束的答案和解释条件下达到 38.7％的人类正确率，这为未来的改进留下了很大的空间。

Oct, 2022

本文介绍了一个新的问答数据集，用于训练和评估人工智能系统在典型情况下的常识推理能力，数据集采用了家庭智慧问答秀中的问题集合，模型评估使用了生成式评估任务，并在多个基线模型中提出了挑战性的性能评估。结果表明，人类表现仍然超过模型成绩，支持任务的挑战性。

May, 2020

通过人类引导的因果知识的使用，作者在语言接口和机器人上开发和测试了一种方法，可以使机器人在新环境中获得泛化解决方案。

Oct, 2021