跳到正文
arXiv · AI· Nicol\'as Astorga, Anita Kriz, Mihaela van der Schaar·· 2 天前AI 评分36

CauSim:通过日益复杂的因果模拟器扩展因果推理

Scaling Causal Reasoning with Increasingly Complex Causal Simulators

AI 导读

研究提出 CauSim 框架,通过由大语言模型增量构建可执行结构因果模型(SCM),将稀缺标签的因果推理转化为可扩展的监督问题。 CauSim 将不可执行的因果知识形式化为代码,实现跨表示的泛化,并支持通过课程扩展和数据量增加获得一致性收益,以及 LLM 自我改进。

来源:arXiv · AI · arxiv.org