Caliper：探测大语言模型中的词汇锚点与因果结构

大语言模型在因果推理基准测试中准确率可达 50% 至 70%，但其究竟是基于结构化推理还是词汇模式匹配尚不明确。本文提出 Caliper 方法，通过用占位符替换语义变量名，同时保留因果图和概率规范，对模型进行受控扰动测试。实验涵盖九种指令微调模型及三个基准，结果显示去除词汇锚点后准确率显著下降，表明当前模型在零样本设置下缺乏真正的结构因果推理能力，主要依赖表面词汇线索。