py-why/pywhyllm

解决的问题

PyWhy-LLM 解决了在因果分析过程中获取领域专业知识的难题。它利用大语言模型（LLM）来建议潜在的因果关系、混杂因素和验证策略，从而减少在初始模型构建阶段对人工专家的依赖。

工作原理

该库提供专门的“建议器”（suggesters），与大语言模型（如 GPT-4）进行接口交互，以协助因果推断流水线的不同阶段：

• Modeler：建议领域专业知识、潜在的混杂因素以及变量之间的成对关系，以构建有向无环图（DAG）。
• Identifier：建议后门集、中介变量集和工具变量（IV）。
• Validator：对现有的 DAG 进行批判性评估，建议潜在混杂因素，并识别阴性对照。
• Augmented Modeler：通过 CauseNet 使用检索增强生成（RAG）来提供更有依据的因果建议。

适用人群

需要进行因果推断的数据科学家和研究人员，他们需要因果模型的起点，或者需要一种利用 LLM 衍生知识来验证其假设的方法。

亮点

• 因果流水线集成：涵盖建模、识别和验证阶段。
• RAG 能力：包含一个利用 CauseNet 提高准确率的增强型建模器。
• 领域专业知识模拟：自动建议相关的领域专业知识，以指导 LLM 的推理。