Обнаружение и обоснование причинно-следственной связи в скрытом мире с крупными языковыми моделями

arXiv:2402,03941v4 Вид уведомления: заменить перекрестное резюме: Обнаружение скрытых причинно-следственных переменных наряду с основными причинными механизмами имеет важное значение для развития науки. Несмотря на прогресс, достигнутый за последние десятилетия, существующая практика выявления причинно-следственных связей (КР) в значительной степени опирается на высококачественные измеряемые переменные, которые обычно приводятся экспертами из числа людей. Фактически, отсутствие четко определенных высокоуровневых переменных за неструктурированными данными является давним препятствием для более широкого реального применения КР. Эта процедура, естественно, может выиграть от автоматизированного процесса, который позволяет предположить потенциальные скрытые переменные в системе. Интересно отметить, что крупные языковые модели (МПМ) обучаются массовым наблюдениям в мире и продемонстрировали большой потенциал обработки неструктурированных данных. Для того чтобы использовать силу МЛМ, мы разрабатываем новые рамки под названием Causal presentati On AssistanT (COAT), которые включают богатые мировые знания о МЛС для предложения полезных измеряемых переменных для CD