智能体时代的因果发现

近期把大语言模型（LLM）与因果发现结合的尝试要求模型推断成对方向、提出图结构——或把语言模型输出作为先验与约束注入。这些方法承诺更快的分析——但也模糊了因果证据究竟由数据与假设支撑——还是由文本关联、提示工件与幻觉机制支撑。我们主张智能体在因果发现中的不同角色：智能体应检查数据、检索上下文、解释方法假设并厘清图输出——但不应供给边、方向、先验、约束或因果结论。我们提出原则：智能体辅助工作流——而因果声明保持锚定于数据、显式假设、形式算法、诊断与用户或领域专家决策。我们在causal-learn+中实例化该原则——围绕causal-learn算法生态协调数据分析、预处理、方法推荐、专家知识纳入、形式发现与解释的在线平台。大五人格数据的案例研究展示了智能体辅助的因果发现管线——而不把语言模型不可靠性变成因果证据。平台见 causallearn.com。