Modello di attribuzione causale migliora il ragionamento dei LLM

Un nuovo modello di attribuzione causale migliora l'interpretabilità e il ragionamento causale dei grandi modelli linguistici (LLM) attraverso un fine-tuning preciso. Il modello utilizza "do-operator" per creare scenari interventistici, quantificando i contributi dei componenti nel ragionamento dei LLM. I test su compiti di scoperta causale mostrano che i LLM dipendono fortemente dal contesto e dalla conoscenza del dominio, con una gestione limitata delle correlazioni numeriche. L'approccio motiva l'uso di LLM fine-tuned per la scoperta causale a coppie.