文章预览
点击上方 蓝字 关注我 本文：4200字阅读 10分钟 很多朋友可能看过，去年8月有一篇论文（Matej.,2023）说LLM像鹦鹉学舌，只会重复它听到的词句，并不理解背后的意义和因果逻辑。这个研究凸显了LLM的因果推理困境，强调仅仅增加数据和模型参数的规模并不能使LLMs真正理解因果关系。 但现实批判是，我们在制定决策和科学研究时，往往需要LLM有非常稳健的因果推理能力。那么关于LLM在因果推理方面最前沿的研究是怎样的呢？ 图片由修猫提供 一周前，来自德黑兰大学、谢里夫理工大学和卡内基梅隆 大学、哈佛医学院的四位研究者为我们带来了一个通过精致设计的提示框架-因果推理链(Causal Chain of Prompting,简称C2P)，这个框架有望让大语言模型具备人类级的因果推理能力，帮助生成式人工智能跨越因果推理鸿沟。 01 因果推理：AI的最后一公里 因果推
………………………………
