因果多主体系统：大语言模型架构在发现与因果效应估计中的综述

大语言模型（LLM）在various推理与生成任务中展现出惊人的能力。然而，其在复杂因果推理、发现与估计方面的专业能力仍处于积极发展阶段，常受到幻觉、依赖虚假相关性以及难以处理细粒度、领域特定或个性化因果关系等问题的制约。多主体系统通过发挥多个基于LLM的主体在协作或专业能力方面的优势，正成为缓解这些限制的强大范式。本综述论文探讨了新兴的因果多主体大语言模型领域。我们考察了这些系统如何针对因果性的不同方面进行设计，包括因果推理与反事实分析、从数据中进行因果发现以及因果效应估计。我们深入探讨了所采用的多样化架构模式与交互协议，从管道式处理、辩论框架到仿真环境以及迭代细化环路。此外，我们讨论了因果多主体大语言模型在科学发现、医疗保健、事实核查以及个性化系统等领域所产生影响的评估方法、基准测试以及多样化应用领域。最后，我们概述了该协同领域中持续存在的挑战、开放研究问题以及有前景的未来方向，旨在为该领域的当前状态及其潜在发展轨迹提供全面概述。