主动因果发现基准ACDB发布：LLM智能体表现不及传统方法
原文标题：Active Causal Discovery Benchmark: Evaluating LLM Agents Under Budgeted Interventions
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。
研究者推出主动因果发现基准ACDB，基于结构因果模型评估LLM智能体在预算受限干预下恢复因果图结构的能力。测试显示，传统PC算法配合贪心主动定向启发式表现最强（有向F1 42.7%），明显优于Claude Sonnet 4.6和GPT-5.4。作者强调当前结果应视为基准审计与校准报告，而非LLM已解决主动因果发现的证据。
- 问题
- 缺乏评估 LLM 智能体在预算受限干预下做主动因果发现的基准。
- 方法
- 推出 ACDB，基于线性高斯结构因果模型，提供 observe-intervene-submit API 和三层评分。
- 结果
- PC 加贪心主动定向最强（有向 F1 42.7%），优于 Claude Sonnet 4.6 的 31.7% 和 GPT-5.4 的 22.9%。
- 影响
- 别指望当前 LLM 智能体替代统计因果发现工具，做因果推理产品应以传统算法为基线。
深读 · 结论先行AI 生成展开看要点与影响 ↓
主动因果发现基准ACDB：PC算法有向F1 42.7%，领先Claude Sonnet 4.6的31.7%。
- •基于结构因果模型，评估LLM智能体在预算受限干预下恢复因果图的能力
- •PC配贪心主动定向启发式最强，有向F1 42.7%、SHD 4.79
- •Claude Sonnet 4.6原始主动为31.7%、SHD 7.25；GPT-5.4为22.9%、SHD 9.27
- •结构盲随机DAG基线达23.6%有向F1，密度探针将下限降至16.9%
- •诊断显示PC高精度低召回，LLM过度承诺且精度更低，统计工具接入常增加弃答
为什么重要：该基准把LLM智能体在因果发现上的实际水平与随机基线并列呈现，为评估智能体科研能力提供了校准参照，而非能力证明。
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。