py-why/pywhyllm

해결하는 문제

PyWhy-LLM은 인과 분석 과정에서 도메인 전문 지식을 얻는 어려움을 해결합니다. 대규모 언어 모델(LLM)을 사용하여 잠재적인 인과 관계, 교란 변수(confounders), 및 검증 전략을 제안하여 초기 모델 구축에 대한 인간 전문가 의존도를 줄입니다.

작동 방식

이 라이브러리는 LLM(GPT-4 등)과 인터페이스하는 전용 "suggester"를 제공하여 인과 추론 파이프라인의 다양한 단계를 지원합니다:

• Modeler: 방향성 비순환 그래프(DAG)를 구축하기 위해 도메인 전문 지식, 잠재적 교란 변수, 및 변수 간 쌍별 관계를 제안합니다.
• Identifier: 백도어 세트, 매개 변수 세트, 및 도구 변수(IV)를 제안합니다.
• Validator: 기존 DAG를 비판하고, 잠재적 교란 변수를 제안하며, 음성 대조군(negative controls)을 식별합니다.
• Augmented Modeler: CauseNet을 통한 검색 증강 생성(RAG)을 사용하여 더 근거 있는 인과적 제안을 제공합니다.

대상 사용자

인과 추론을 수행하며 인과 모델의 출발점이나 LLM 기반 지식을 활용한 가설 검증 방법이 필요한 데이터 과학자 및 연구자입니다.

주요 특징

• 인과 파이프라인 통합: 모델링, 식별, 검증 단계를 모두 커버합니다.
• RAG 기능: 정확도를 높이기 위해 CauseNet을 활용하는 증강 모델러를 포함합니다.
• 도메인 전문 지식 시뮬레이션: LLM의 추론을 안내하기 위해 관련 도메인 전문 지식을 자동으로 제안합니다.