研究发现，大规模预训练语言模型（LLM）在因果推理中表现有限。实验显示，人类在因果冲突时阅读时间更长，但在逻辑条件下相似。即使事件未明确提及，人类能通过脚本知识推断结果。最新的LLM如GPT-3与人类行为较一致，但仍难以整合脚本知识，无法准确预测某些因果关系。