利用大语言模型假设缺失的因果变量
原文中文，约300字，阅读约需1分钟。发表于：。本研究针对科学发现过程中假设生成的高成本和需要领域知识的挑战，提出了一种新任务，利用部分因果图中的缺失变量生成假设。研究显示，大语言模型在假设因果关系中的中介变量方面表现强劲，但在生成因果变量方面则表现不足，同时一些开源模型在某些方面超越闭源的GPT-4模型。这一发现为科学发现中的因果推理提供了新的视角和工具。
本研究提出了一种新任务，利用部分因果图中的缺失变量生成假设。研究发现，大语言模型在假设因果关系中的中介变量方面表现强劲，但在生成因果变量方面则表现不足。开源模型在某些方面超越闭源的GPT-4模型。这一发现为科学发现中的因果推理提供了新的视角和工具。
