CausalARC：基于因果世界模型的抽象推理

arXiv 25.9 2025 40.7 benchmark

TLDR

提出CausalARC，一个基于因果世界模型的抽象推理测试平台，并在语言模型上评估。

评分理由

Strengths: novel integration of causal world models with abstract reasoning tasks. Weaknesses: synthetic benchmark without real-world validation; performance varies heavily across models.

Read-first 评分解释

综合优先阅读分 40.7，由主题、引用、图谱、方法、可复现性和近期性等信号加权得到。原始总分保留为 10。

近期性 8%

86.7

使用温和的时间衰减，让近期论文更容易浮现，同时保留较早基础工作的价值。年份：2025

方法质量 25%

检查可见的摘要与分析字段，寻找实验、数据集、基线、指标和局限性等方法证据。命中信号：基准、评估、实验

可复现性 25%

检查链接和可见文本中的论文、代码、数据集、工件与仓库信号。论文：有；代码：无；数据：无；命中信号：无

主题相关性 42%

14.3

使用现有 LLM 关键词相关性评分，并归一化到 0-100。关键词：world model、world simulator、generative world model、interactive world model、video world model、world dynamics prediction、model-based reinforcement learning world model

研究版图角色

前沿论文方法锚点

排序敏感性

稳定性：volatile；排名波动范围：366。

关键词评分

world model

world simulator

generative world model

interactive world model

video world model

world dynamics prediction

model-based reinforcement learning world model

深度分析

创新点

提出了CausalARC，一个模仿抽象推理语料库（ARC）构建的、用于低数据和分布外场景的AI推理测试平台。
每个推理任务均从一个完全指定的因果世界模型中采样，该模型以结构因果模型（SCM）的形式表达。
原则性的数据增强以少样本上下文学习演示的形式，提供观测性、干预性和反事实反馈。
提出了四种评估设置：带测试时训练的抽象推理、带上下文学习的反事实推理、程序合成，以及带逻辑推理的因果发现。

方法

CausalARC通过从完全指定的结构因果模型（SCM）中采样来构建推理任务。它使用原则性的数据增强生成观测性、干预性和反事实反馈，并以少样本上下文学习演示的形式呈现。该测试平台在四种语言模型设置下进行评估：带测试时训练的抽象推理、带上下文学习的反事实推理、程序合成，以及带逻辑推理的因果发现。

关键结果

模型内和模型间的性能在不同任务上差异很大，表明语言模型推理仍有显著改进空间。

局限性

该工作作为概念验证提出，并非完全规模的基准测试。
性能在不同任务上差异很大，表明当前模型在因果推理需求上存在困难。
有限数据和分布偏移是固有挑战，但论文未展示除测试平台设计之外的稳健解决方案。

资源

论文