IV Co-Scientist: Multi-Agent LLM Framework for Causal Instrumental Variable Discovery

Created by

Haebom

저자

Ivaxi Sheth, Zhijing Jin, Bryan Wilder, Dominik Janzing, Mario Fritz

💡 개요

본 논문은 혼란 변수의 존재 하에서 내생 변수의 인과적 효과를 분리하기 위한 도구 변수(IV) 탐색 문제에 대규모 언어 모델(LLM)의 활용 가능성을 탐구합니다. LLM의 문헌 기반 IV 복구 능력과 이론적/경험적으로 기각된 IV를 식별하는 능력을 평가했으며, 이를 바탕으로 IV Co-Scientist라는 다중 에이전트 시스템을 제안하여 IV 후보 제안, 비평, 개선 과정을 자동화합니다.

🔑 시사점 및 한계

•

LLM은 기존 연구에서 확립된 도구 변수를 성공적으로 복구하고, 잘못된 도구 변수를 식별하는 잠재력을 보여주어 인과 추론 연구에 기여할 수 있습니다.

•

제안된 IV Co-Scientist는 전문가의 지식과 창의성을 모방하여 복잡한 도구 변수 탐색 과정을 자동화하는 새로운 프레임워크를 제시합니다.

•

실제적인 '정답'(ground truth)이 없는 상황에서 일관성을 평가하기 위한 통계적 테스트를 도입하여 LLM 기반 IV 탐색 결과의 신뢰성을 높입니다.

•

LLM의 IV 탐색 능력이 특정 도메인 지식에 얼마나 의존적인지, 그리고 실세계의 복잡하고 미묘한 인과 관계를 얼마나 효과적으로 포착할 수 있는지에 대한 추가적인 탐구가 필요합니다.

PDF 보기

Made with Slashpage