摘要
从高维数据中学习因果模型极具挑战，尤其在现实场景中核心假设违例导致因果识别困难。尽管存在大量含宝贵因果信息的先验知识，但将其有效整合进发现过程仍是难题。本文提出 CausalSteward (CAST)，一种交互式组装大型因果模型的人机协同框架。该系统采用多智能体协作的分治策略，迭代划分并独立分析变量簇。框架融合先验知识与数据驱动方法，利用检索增强生成和条件独立性测试等定制工具。最后，本文探讨了多智能体框架中因果推理的能力与局限，以及人机协同如何提升结果的准确性与可信度。
AI 推荐理由
论文核心研究多智能体框架下的因果推理能力，通过分治策略解决高维数据因果发现问题。
研究机构
Computer Science Department, TU Darmstadt, Germany
Bosch Center for Artificial Intelligence, Renningen, Germany
Hessian Center for AI (hessian.AI), Germany
German Research Center for AI (DFKI), Germany
LUIS University, Rome, Italy
论文信息