본 논문은 대규모 언어 모델(LLM)을 활용한 인과 그래프 추론의 한계점을 지적하고, 이를 개선하기 위한 새로운 방법인 '트리플릿 방법'을 제안한다. 기존의 쌍방향 프롬프트 방식은 직접적 효과와 간접적 효과를 구분하지 못하고, 그래프 추론에 오류를 발생시킬 수 있다는 점을 문제 삼는다. 대신, 인과 순서를 보다 안정적인 출력 인터페이스로 제시하며, 트리플릿 방법은 각 변수 쌍에 보조 변수를 도입하여 LLM이 순환을 피하도록 유도하고, 투표 기반 앙상블 방법을 통해 정확도를 높이고 비용 효율성을 확보한다. 실험 결과, 트리플릿 방법은 쌍방향 프롬프트보다 더 정확한 인과 순서를 도출하며, 소규모 LLM도 GPT-4를 능가하는 성능을 보임을 확인했다. 또한, 트리플릿 방법으로 얻은 인과 순서를 활용하여 후속 그래프 발견 및 효과 추론 작업의 오류를 줄일 수 있음을 보였다.
