LLM 因果推理评估：程序化生成挑战案例研究

一项针对因果推理基准 CLadder 的研究发现，LLM 在该基准上的优异表现极可能仅是利用了数据生成器嵌入的表层模式，而非真正具备复杂因果推理能力。实验显示，随机森林等简单模型经训练后同样表现良好；商业 LLM 的表现极度脆弱，即使删去形式因果推理所必需的大段文本，模型表现也几乎不受影响。