本研究提出ImplexConv数据集，包含2500个示例，旨在解决开放领域对话中的个性化和隐式推理不足问题。引入TaciTree框架，以提升大语言模型在长期对话中的推理能力。

本文探讨了大型语言模型（LLMs）在因果推理中的能力，提出了一种结合显式和隐式因果推理的新框架。研究表明，LLMs在因果推理方面表现优越，能够利用专家知识和上下文信息提升解释性和可靠性。通过创建新的自然语言处理任务和评估基准，分析了LLMs在生成因果图和回答因果问题中的优势与局限，并指出未来发展方向。