CauProphet：教导代理人像人类一样发展因果认知

Arxiv：2610.32477v2公告类型：替换摘要：大型语言模型(LLM)代理通过利用外部内存和过去的经验，越来越多地支持长期任务。然而，现有的代理主要检索记录或摘要，缺乏形成和完善对世界的因果理解的能力。受人类因果认知的启发，我们引入了CauProphet，这是一个在其因果认知中发展和更新因果知识的代理。对于每一项任务，CauProphet将因果认知中的相关知识与当前证据相结合，构建了因果信念，即捕捉因果因素和可能行动的影响的结构化信念。它将这种信念用于决策，并随着新观察的出现而不断更新信念和因果认知，使因果知识能够持续存在于个人经验之外。评估表明，CauProphet逐渐获得因果知识，并将其转移到未来的决策中。在金融研究方面，CauProphet利用先前的发现来改进下游分析，并在与次日回报的平均排名相关性方面优于所有基线，实现了比基线试剂25.4%的改进。它还将预测精度从21.3%提高到动态真实环境中的28.6%。进一步的实验验证了它在科学和日常任务中执行可靠的因果分析和行动选择的能力，展示了下一代LLM代理的因果经验学习的潜力。该项目库可在https://github.com/OpenCausaLab/CauProphet.上找到