Sakra... tento článek může být nejdůležitějším posunem v tom, jak používáme LLM za celý rok. "Velké kauzální modely z velkých jazykových modelů." Ukazuje, že z LLM lze vyrůst plné kauzální modely přímo – ne aproximace, ne vibrace, skutečné kauzální grafy, kontrafaktuální grafy, intervence a struktury kontrolované omezeními. A způsob, jakým to dělají, je šílený: Místo tréninku specializovaného kauzálního modelu zkoumají LLM jako vědci: → z textu extrahovat kandidátský kauzální graf → požádat model, aby zkontroloval podmíněné závislosti → detekovat rozpory → revidovat strukturu → testovat kontrafaktuální a intervenční předpovědi → iterovat, dokud se kauzální model nestabilizuje Výsledek je něco, co jsme nikdy předtím nezažili: kauzální systém zabudovaný uvnitř LLM využívající vlastní latentní světové znalosti. Napříč benchmarky, syntetickými, reálnými a chaotickými doménami tyto LCM překonávají klasické metody kauzálního objevování, protože čerpají z masivních předchozích znalostí LLM, nikoli jen z lokálních korelací. A co kontrafaktuální argumentace? Šokujícím způsobem silným. Model dokáže odpovědět na otázky typu "co kdyby", na které standardní algoritmy zcela selhávají, jednoduše proto, že už "ví" věci o světě, které tyto algoritmy nemohou odvodit pouze z dat. Tento článek naznačuje budoucnost, kdy LLM nebudou jen stroje na vzory....