Heuresis：用于增强和评估智能体因果发现的基准测试

研究提出名为 Heuresis 的匿名模拟数据集基准，用于评估 LLM 智能体在因果发现中的表现，特别是其识别算法错误并进一步测试修复的能力。该基准涵盖从线性高斯到重尾分布的多种机制，通过对比最优现有算法、路由器和两个因果发现基础模型，揭示仅靠更仔细审视数据才能弥补的性能差距。