본 논문은 대규모 언어 모델(LLM)을 활용한 데이터 기반 인과 추론 가능성을 탐구합니다. 기존의 통계적 방법에 기반한 인과 추론은 대량의 데이터와 인과 구조에 대한 가정을 필요로 하지만, LLM은 도메인 전문가 지식을 제공하여 새로운 가능성을 제시합니다. 본 연구는 관측 데이터를 LLM 기반 추론에 통합하여, 쌍방향 프롬프팅과 너비 우선 탐색(BFS) 기반 프롬프팅 두 가지 전략을 통해 LLM이 관측 데이터를 효과적으로 활용하여 인과 관계를 추론할 수 있는지 조사합니다. 벤치마크 데이터셋 실험 결과, 관측 데이터 통합은 인과 추론 성능을 향상시켜 F1 점수를 최대 0.11 포인트 높였으며, 기존 통계적 인과 추론 기준 모델보다 최대 0.52 포인트 높은 성능을 보였습니다. 이는 LLM이 텍스트 메타데이터를 넘어 관측 데이터를 효과적으로 해석하고 활용하여 더욱 정확한 인과 추론을 할 수 있음을 보여줍니다.
