本研究提出了一种上下文化评估协议，旨在解决语言模型评估中的上下文缺失问题。研究表明，上下文显著影响评估结果，揭示了模型在不同情境下的表现差异，促进了对模型行为的新理解。

本文研究了预训练语言模型（PLMs）在因果推理中的表现，发现它们存在隐式因果偏差，并优先考虑词汇模式。尽管大型语言模型（LLMs）在因果推理方面表现较好，但推理能力仍然不足。研究表明，因果关系的频率和上下文对模型的准确性有显著影响。