Causal-Audit: 명시적이고 감사 가능한 그래프 기반 추론을 위한 목표 인식 인과 체인 구축

Causal-Audit: Explicit and Auditable Graph-based Reasoning via Target-Aware Causal Chain Construction

Causal-Audit는 맥락 없는 개입 기반 질문 응답을 위한 명시적이고 감사 가능한 인과 추론 프레임워크를 제안한다. 이 방법은 네 가지 모듈 단계에서 명시적 인과 그래프를 통한 구조적 추론으로 인과 추론을 공식화하며, 목표 변수를 그래프 확장 시 핵심 제약으로 다루는 전략을 도입하여 관련 없는 변수와 잘못된 인과 관계를 억제한다. 또한, 여러 인과 경로를 결합하는 경로 수준의 인과 증거 집계 메커니즘을 통해 단일 체인 추론을 넘어서는 강력한 의사 결정을 가능하게 한다. 세 가지 벤치마크에서의 실험 결과, 이 프레임워크는 기존 LLM 기반 방법보다 일관되게 우수한 성능을 보이며 해석 가능하고 감사 가능한 인과 추론 경로를 제공한다.