본 논문은 기존의 인과 추론 방법론의 한계점을 지적하며, 대규모 언어 모델(LLM)을 활용하여 텍스트 기반 메타데이터에서 인과 지식을 추출하는 새로운 방법론을 제시한다. LLM의 신뢰성 문제를 해결하기 위해 일관성 측정 방식을 도입하고, 간접적 인과 관계를 고려하여 인과 방향 그래프(DAG) 대신 인과 순서를 추론하는 데 집중한다. LLM의 일관성 점수를 극대화하는 비순환 토너먼트(acyclic tournament) 클래스를 도출하는 방법을 제시하며, 이를 통해 인과 효과를 추정한다. 역학 및 공중 보건 분야의 실제 데이터셋과 기존 벤치마크를 사용하여 실험을 진행, 제시된 방법의 효과성을 검증한다.
