从因果合理性到因果可靠性：将 LLM 评估为经校准的直接因果边分类器

英文标题：From Causal Plausibility to Causal Reliability: Evaluating LLMs as Calibrated Direct Causal-Edge Classifiers

本文研究大型语言模型（LLM）能否为结构因果发现提供可信的先验因果知识。作者系统评估了 12 个指令微调模型在直接因果边判断及其置信度校准方面的表现。研究指出，仅具备看似合理的因果判断并不等同于具备可靠性；对开发者和因果发现应用而言，模型输出的置信度是否可信同样关键。

2.1 KB 640 B 612 B 380 B 9.1 KB 32.7 KB 22.8 KB 24.2 KB 34.7 KB