以知识图谱结构为Prompt框架，帮LLM快速找出因果关系生成更精准内容

文章预览

点击上方 蓝字 关注我 本文：5200字阅读  12分钟   因果关系提取一直是 LLM 领域一个热门的研究方向，正如我上一篇文章中介绍的，我们在制定决策和科学研究时，往往需要 LLM 具有非常稳健的因果推理能力。幸运的是，恰巧知识图谱结构作为 Prompt(“KG Structure as Prompt”） 能够很好的完成这一任务。 德黑兰、卡梅隆、哈佛等大学最新的C2P因果推理链Prompt，让LLM跨越因果推理鸿沟 我们就上篇文章例子继续深入分析一下，开始我们今天的介绍： 第一步： 给一个和上一篇用 C2P 因果推理链相 关的题目： 分析 "Prompt 工程师： AI 时代最后的守门人还是第一批被淘汰者 ?" 与 "AI 取代人类工作 " 之间的关联度和潜在影响。 第二步：按照下面论文里的方法构建知识图谱 第三步：将昨天例子中LLM提取的随机变量作为分析指南 第四步：输出一个带有建议的简要 ………………………………