Externalized CPDAG Summaries Improve LLM Causal Deduction
核心思路
先让模型输出字段受约束的因果图摘要，再依据该图回答问题。关键不只是“把思考写出来”，而是把决定答案的对象外显，并通过破坏图内容检验回答是否依赖它。
1. 背景与问题
Corr2Cause 给出变量相关性、条件独立关系，以及一个待判断的因果命题。正确答案要求命题在所有兼容的 DAG 中都成立；找到一个支持命题的合理故事还不够。
在因果 Markov、faithfulness 等假设下，这些约束通常只识别一组 Markov 等价的图。CPDAG 压缩表示这个等价类：有向边表示所有兼容图中被强制确定的方向，无向边保留尚未确定的方向。
例如三节点链 ，若只有 等相容信息，可能仍允许 、、。不能只选第一种就断言 导致 。自由 CoT 容易忽略这种全局歧义。
2. 方法与创新
原论文图 1，v1 PDF 第 4 页。两阶段之间传递的是可检查的图对象；对照组也有 PC 算法提示，并非一个没有因果知识的弱基线。
第一轮生成有类型的图摘要
CausalAnalysis 对象包含：
| 字段 | 含义 |
|---|---|
variables | 变量集合 |
skeleton | 不区分方向的邻接边 |
non_adjacent | 非邻接关系及对应分离集 |
v_structures | 强制定向的 collider 结构 |
directed | 已定向边 |
undirected | 保留歧义的边 |
提示中提供 PC 算法的删边、识别 v-structure、传播强制方向等步骤。Qwen 使用 schema 对应的约束解码；API 模型使用 JSON schema 工具接口来记录图对象。这里没有调用符号因果求解器来直接获得答案。
第二轮回答图查询
将摘要及紧凑 DOT 视图返回给模型，要求依据图结构判断待检验命题，最终输出 YES/NO。模型仍要处理等价类中的方向歧义，而不只是查一条边是否出现。
schema 只保证字段可解析，并不保证无环、字段一致、Meek 闭包或存在合法 DAG 补全。因此“输出符合 JSON 格式”和“构造出正确 CPDAG”要分别评估。
通过内容干预检查是否真的用图
分别移除第二轮原始前提、打乱 skeleton、v-structure 或有向边，并观察结果变化。这是一种行为依赖检验：如果图被破坏后回答明显恶化，说明图内容影响了回答。它不等于证明每个中间步骤都忠实，尤其打乱后的图可能已不合法。
3. 应用与效果
主要实验使用 Corr2Cause 的 1162 条 ID 测试样本，其中正例只有 180 条，因此主要报告正类 F1，而非只看总体准确率。表 1–4 的关键结果：
| 条件，Qwen3.5-27B | F1(YES)，% |
|---|---|
| 一轮 PC-instruction 基线，主实验 | 73.01 |
| 两轮 PC 提示、自由文本中间状态 | 67.55 |
| 两轮 Structured Thinking，主实验 | 86.36 |
| 第二轮移除原始前提 | 82.56 |
| 第二轮打乱完整图的主要边字段 | 74.32 |
主实验增益为 13.35 个百分点，95% bootstrap 区间约 。但三次完整 ID 运行的平均增益为 个百分点，不应只把主实验的 13 分当成稳定常数。
打乱图损失约 12.04 个百分点，比移除原始前提的约 3.8 分更大，支持中间图被实际使用。图审计也很重要：ID 的 skeleton F1 为 0.960，完整 CPDAG 匹配率 75.9%，仍有 18.4% 的输出存在图语义一致性问题。
证据边界
实验支持的是基于条件独立陈述的 CPDAG 演绎，不是一般 CKG 检索、数值干预预测或生产系统调优。收益还依赖算法提示、约束解码及第二轮查询方式的组合，不能归因于“只要给图就更好”。arXiv 页面备注称被 NeurIPS 2026 接收；本笔记以所读预印本为依据。
对 CKG 的启发（阅读判断）
应把当前任务真正需要的对象交给模型：可能是带条件的机理子图、公式依赖和参数来源，而不是照搬 CPDAG schema。验证时同时检查中间对象正确率与最终答案，并加入空知识、无关知识、替换关键机理等对照。损坏知识导致降分说明依赖，仍不自动证明这种依赖是正确的。
相关：MSA 将局部模型交给概率引擎执行；本篇让 LLM 本身读取外显结构。
依据：原文 v1，方法见第 3 节，主结果见第 4 节，消融、内容干预与图审计见第 5–7 节，限制见第 8 节；核对日期：2026-10-24。