본 논문은 기존의 대규모 언어 모델(LLM)이 가지지 못한 반사실적 질문에 대한 답변 능력, 즉 임의의 사건 집합이 다르게 실현되었을 경우 환경이 어떻게 진화했을지 예측하는 능력을 갖춘 인과적 세계 모델을 제시한다. 이를 위해 실세계의 인과 관계를 명시적으로 추출하고 모델링하는 '인과적 지도 제작자(Causal Cartographer)' 프레임워크를 제안한다. 이는 데이터에서 인과 관계를 검색하는 그래프 검색 증강 생성 에이전트와, 인과 관계에 제약을 받아 신뢰할 수 있는 단계별 인과 추론을 수행하는 반사실적 추론 에이전트로 구성된다. 이를 통해 실세계 인과 관계의 대규모 네트워크를 구축하고, LLM의 인과 추론 능력을 향상시키면서 추론 비용과 허위 상관 관계를 줄이는 것을 목표로 한다.
