本論文は、大規模言語モデル(LLM)と従来の因果探索アルゴリズムを統合したALCMフレームワークを提案している。ALCMは3つの主要コンポーネントから構成される:
因果構造学習: 従来の因果探索アルゴリズム(PC、LiNGAMなど)を使用して初期の因果グラフを生成する。
因果ラッパー: 生成された因果グラフを文脈に応じた因果プロンプトに変換し、LLM駆動リファイナーに送る。
LLM駆動リファイナー: 受け取った因果プロンプトを評価・修正し、より正確な因果グラフを生成する。LLMの知識と推論能力を活用して、従来の因果探索アルゴリズムでは見逃されていた因果関係を発見する。
実験結果は、ALCMが従来の因果探索アルゴリズムやLLMベースのアプローチを大きく上回る性能を示している。精度、再現率、F1スコア、正確度が大幅に向上し、ノーマライズドハミング距離も低下している。これは、LLMと従来手法の融合によって、より堅牢で正確な因果グラフを自動生成できることを示している。
To Another Language
from source content
arxiv.org
Ключові висновки, отримані з
by Elahe Khatib... о arxiv.org 05-06-2024
https://arxiv.org/pdf/2405.01744.pdfГлибші Запити