跳到正文
arXiv cs.MA· Songli Yu, Qi Luo·· 23 小时前AI 评分29

CaDO:形式化验证引导的多智能体框架,用于因果数据集修复与生成

CaDO: Formal Verification-Guided Multi-Agent Framework for Causal Dataset Repair and Generation

AI 导读

CaDO 是一个用于因果推理数据集自动诊断与修复的多智能体框架,在 18 个实验设置中有 16 个显著优于五个数据清洗基线中最强的一个,下游模型准确率最高提升 9.1%。

正文 · AI 翻译

查看 PDF HTML(实验性)

摘要:高质量的因果推理数据集对于开发具有可靠因果理解的模型至关重要,尤其是在专业领域。然而,现有数据集经常存在标注错误和结构失衡的问题,这可能导致有偏预测和泛化能力受限。为解决这一问题,我们提出 CaDO(因果引擎引导的多智能体数据优化),一个用于自动诊断和修复因果推理数据集的多智能体框架。我们的框架包含三个关键阶段:形式化因果推理、多级诊断以及自动化数据修复与生成。首先,形式化智能体将自然语言问题转换为形式化因果查询,以最小化语义偏差,并使检索与验证更加明确和可处理。其次,双层诊断机制采用独立的评审智能体来识别样本级错误,同时分析查询类型覆盖率和标签分布,以检测数据集层面的结构失衡。最后,该框架采用基于形式化因果语义的可复用修复算子来纠正错误样本,同时由探索者和扩展者智能体协同生成多样且语义一致的新样本。实验结果表明,在 18 个实验设置中的 16 个上,CaDO 显著优于五个数据清洗基线中最强的一个,将下游模型准确率最高提升 9.1%。此外,CaDO 标记的样本中至少有 95% 是有缺陷的,并且在 CLadder 上,CaDO 错误修改正确标签的数量比基于 LLM 的评判器少 92.2%,证明了其有效性和可靠性。我们的代码和数据已在 此 https URL 公开。
主题: 人工智能(cs.AI);多智能体系统(cs.MA)
引用为: arXiv:2611.24406 [cs.AI]
  (或 arXiv:2611.24406v1 [cs.AI] 用于此版本)
  https://doi.org/10.48550/arXiv.2611.24406

由 DataCite 颁发的 arXiv DOI(待注册)

提交历史

来自:Songli Yu [查看邮箱]
[v1] 2026年11月18日星期三 13:36:40 UTC(289 KB)

来源:arXiv cs.MA · arxiv.org