ARCADIA：面向企业破产分析的可扩展因果发现代理 AI 框架
人工智能
2025-12-02 v1 统计计算
统计方法学
摘要
本文介绍ARCADIA，一种用于因果发现的代理 AI 框架，将大型语言模型推理与统计诊断相结合，以构建有效且时间一致的因果结构。与传统算法不同，ARCADIA 通过约束引导式提示和因果有效性反馈迭代细化候选有向无环图 (DAG)，从而产生稳定且可解释的面向实际高风险领域的模型。企业破产数据实验表明，ARCADIA 相较于NOTEARS、GOLEM和DirectLiNGAM 产生更可靠的因果图谱，同时提供全方位可解释、可干预的管道。该框架展示了代理 LLM 如何参与自主科学建模和结构化因果推断的 AI 进步。
引用
@article{arxiv.2512.00839,
title = {ARCADIA: Scalable Causal Discovery for Corporate Bankruptcy Analysis Using Agentic AI},
author = {Fabrizio Maturo and Donato Riccio and Andrea Mazzitelli and Giuseppe Bifulco and Francesco Paolone and Iulia Brezeanu},
journal= {arXiv preprint arXiv:2512.00839},
year = {2025}
}
备注
35 pages, 9 figures, 4 tables