Oct, 2024

因果图到大型语言模型:评估大型语言模型对因果查询的能力

TL;DR本研究针对大型语言模型(LLMs)在因果推理中的应用不足的问题,提出了一个全面的基准测试CausalGraph2LLM,以评估其理解因果图的能力。研究发现,尽管LLMs在此领域表现出一定潜力,但对编码的敏感性显著,可靠模型如GPT-4和Gemini-1.5的表现差异可达60%。