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。

该文综述知识图谱增强大语言模型的方法，涵盖RoG、QA-GNN、JointLK等模型，用于问答与推理。研究发现，大语言模型能有效处理混乱、噪音和线性化的知识图谱知识，表现优于设计良好的自然语言提示，为结构化知识理解研究提供新见解。