RESEARCH29
Why LLMs Fail at Causal Discovery and How Interventional Agents Escape
arXiv CS.AI·28 mai 2026
Cet article de recherche révèle que les grands modèles de langage échouent fondamentalement dans la découverte causale en raison de leur incapacité à distinguer entre les graphes causaux générant des données observationnelles similaires. Il introduit un "théorème d'obstruction du noyau" pour formaliser cette limitation intrinsèque des paradigmes d'apprentissage actuels.
Lire l'original ↗