arXiv 机器学习· Sagar Deb, Devam Shah, Ashwanth Krishnan·· 1 天前AI 评分37
ACDB 主动因果发现基准：评估预算干预下的 LLM 智能体
Active Causal Discovery Benchmark: Evaluating LLM Agents Under Budgeted Interventions
AI 导读
研究团队推出基准 ACDB，用于评估 LLM 智能体在预算约束干预下恢复因果图结构的能力。在六级测试中，PC 算法以 42.7% 有向 F1 和 4.79 SHD 位列第一，优于 Claude Sonnet 4.6（31.7%、7.25）与 GPT-5.4（22.9%、9.27）。分析显示 LLM 存在低精确率的过度预测倾向，表明现有模型尚未解决主动因果发现。
来源：arXiv 机器学习 · arxiv.org