因果发现框架

先验更可靠

将大模型因果知识限制在可靠范围内，生成统一的结构约束以增强现有结构学习方法。

Ban, Taiyu · Chen, Lyuzhou · Lyu, Derui · Wang, Xiangyu · Qinrui, Zhu · 陈欢欢

IEEE Transactions on Knowledge and Data Engineering 2025

技术优势

对齐更可靠

通过将 LLM 的先验限制在可靠范围内，避免了对齐错误，确保结构约束的准确性。

即插即用

harmonized prior 可无缝集成到主流结构学习方法中，无需修改原有算法，降低采用门槛。

应用场景

• 因果推理：从数据中自动发现可靠的因果关系，减少对人工专家的依赖。
• 数据驱动决策：提供可解释的因果结构，支撑基于数据的策略制定和干预设计。
• 大语言模型应用：将 LLM 的常识推理转化为可约束的先验，提升下游结构学习效果。