研究质疑 LLM 在 CLadder 上的因果推理能力
原文标题：Evaluating Causal Reasoning in LLMs: A Case Study in the Challenges of Procedural Generation
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文重新审视 LLM 在因果推理基准 CLadder 上的高分表现，发现其生成器在数据中嵌入了高度可预测的浅层模式。随机森林等简单模型训练后同样表现良好，且商业 LLM 在删除关键推理文本后性能几乎不变。作者认为高分更可能源于利用浅层模式，而非真正的形式因果推理。
- 问题
- LLM 在因果基准 CLadder 上的高分是否真反映形式因果推理能力。
- 方法
- 分析 CLadder 生成器嵌入的浅层可预测模式，用随机森林对照，并删除关键推理文本做消融。
- 结果
- 简单模型训练后同样表现良好；商业 LLM 删除关键推理文本后性能几乎不变。
- 影响
- CLadder 类高分不能作为因果推理证据，依赖该基准做能力宣称或选型需重新审视。
深读 · 结论先行AI 生成展开看要点与影响 ↓
CLadder 生成器嵌入浅层可预测模式，随机森林也能考好，商业 LLM 删关键推理文本后性能几乎不变。
- •CLadder 生成器在数据集中嵌入多种表层且高度可预测的模式
- •随机森林等简单模型在生成数据样本上训练后同样表现良好
- •许多商业 LLM 在 CLadder 测试集上表现极脆弱，删除对形式因果推理关键的大段文本几乎无影响
- •作者认为高分最可能源于利用生成器训练数据的浅层模式，而非形式因果推理
为什么重要：若常用因果推理基准可被浅层模式刷分，基于它的 LLM 因果能力结论都需重新审视。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。