LLM 在干预数据的时间域因果推断中的增强
原文中文，约300字，阅读约需1分钟。发表于：。提出了一种能在工业场景中发现时间因果关系的 RealTCD 框架，通过遮蔽和正则化的策略，采用基于得分的时间因果发现方法，无需依赖干预目标进行根本原因分析，并结合大型语言模型和领域知识来提取系统中隐藏的文本信息中的元知识，以提高发现质量。在模拟和真实数据集上进行了大量实验证明了 RealTCD 框架相对于现有基准的优越性。
本文调查了LLM在因果发现任务中的应用，回顾了现有的LLM利用方法，并强调了它们在推断因果结构中的创新使用。分析揭示了LLM的优势和潜力，同时也揭示了当前实践中的挑战和限制。此外，提出了未来研究方向。这是对LLM和CD之间协同作用的首次详细调查。
