CARL-GT：评估大型语言模型的因果推理能力
📝
内容提要
本研究针对大型语言模型（LLMs）在因果推理能力上的评估缺乏基准的问题，提出了一个名为CARL-GT的基准，旨在通过图形和表格数据来评估LLMs的因果推理能力。实验表明，LLMs在因果推理，尤其是使用表格数据发掘新见解方面仍显不足，同时不同任务之间的表现存在显著差异。
🏷️
➡️
