Vay canına... Bu makale, bu yıl boyunca LLM'leri nasıl kullandığımızda en önemli değişim olabilir. "Büyük Dil Modellerinden Büyük Nedensel Modeller." Bu, tam nedensel modelleri doğrudan bir LLM'den geliştirebileceğinizi gösteriyor; yaklaşılmalar, vibes, gerçek nedensel grafikler, karşı gerçekler, müdahaleler ve kısıtlamalı yapılar değil. Ve bunu yapma şekli çılgın: Uzmanlaşmış bir nedensel model eğitmek yerine, LLM'yi bir bilim insanı gibi sorgular: → metinden aday nedensel grafiği çıkarmak → modelden koşullu bağımsızlıkları kontrol etmesini istemek → çelişkileri tespit eder → yapıyı gözden geçirmek → karşı gerçekleri ve müdahalesel tahminleri test etmek → nedensel model stabil olana kadar yineleme Sonuç daha önce hiç yaşamadığımız bir şey: LLM içinde kendi gizli dünya bilgisini kullanan nedensel bir sistem. Ölçütlerde, sentetik, gerçek dünyada, karmaşık alanlarda bu LCM'ler, sadece yerel korelasyonlar yerine LLM'in büyük önceki bilgisinden yararlandıkları için klasik nedensel keşif yöntemlerini geride bırakıyor. Peki ya karşıt mantık nedir? Şaşırtıcı derecede güçlü. Model, standart algoritmaların tamamen başarısız olduğu "ya şöyle olsaydı" sorularını yanıtlayabilir; çünkü zaten bu algoritmaların sadece veriden çıkaramayacağı şeyleri zaten "biliyor". Bu makale, LLM'lerin sadece kalıp makineleri olmadığı bir geleceğe işaret ediyor....