本研究提出CDF-RAG框架，解决了现有检索增强生成（RAG）在因果关系识别中的不足。通过优化查询和检索因果图，CDF-RAG显著提高了推理的因果一致性和准确性，实验证明其在多个数据集上有效提升了响应的准确性和因果正确性。

本文提出了新的基准ACCESS，旨在解决现有因果关系识别方法的不足。ACCESS专注于日常生活事件的抽象因果性，通过从GLUCOSE数据集中提取的因果对，验证了其在问答推理任务中显著提升大型语言模型的表现。