HOLOGRAPH：層理論を用いたLLMによる因果発見

この論文は、大規模言語モデル（LLM）を活用し、層理論を用いてプロセスを形式化した因果発見のための新しいフレームワーク、HOLOGRAPHを紹介しています。観測データによる因果発見の限界に対処するため、LLMからの事前の因果知識を組み込んでいます。層理論の使用は、より原則的なアプローチを可能にし、LLMの事前情報を統合するための厳密な数学的基盤を提供します。この論文の主要な貢献は、その理論的根拠と、最適化のための代数潜在射影や自然勾配降下などの方法の開発にあります。実験は、因果発見タスクにおいて競争力のあるパフォーマンスを示しています。

• •LLMと層理論を用いた因果発見のための新しいフレームワーク、HOLOGRAPHを提案。
• •LLMの事前情報を統合するための厳密な数学的基盤を提供。
• •最適化のために代数潜在射影と自然勾配降下を導入。
• •因果発見タスクにおいて競争力のあるパフォーマンスを実証。
• •層理論的分析を通じて、潜在変数射影における非局所的な結合を特定。