PROMETHEUS: Automating Deep Causal Research Integrating Text, Data and Models
作者: Sridhar Mahadevan
分类: cs.AI
发布日期: 2026-05-13
备注: 27 pages
💡 一句话要点
PROMETHEUS：自动化深度因果研究，整合文本、数据与模型
🎯 匹配领域: 支柱二：RL算法与架构 (RL & Architecture) 支柱九：具身大模型 (Embodied Foundation Models)
关键词: 因果推理 知识图谱 自然语言处理 世界模型 自动化研究 反事实分析 科学发现
📋 核心要点
- 现有方法难以将大型语言模型提取的局部因果关系组织成可导航的世界模型。
- PROMETHEUS框架将文献、数据和模型转化为因果图谱，支持局部因果关系的组织和导航。
- 案例研究表明，PROMETHEUS能够进行深度因果研究，并评估基于源数据的反事实。
📝 摘要（中文）
大型语言模型可以从文本中提取局部因果关系，但如果将这些关系组织成持久的、可导航的世界模型，而不是扁平的摘要，它们会更有用。我们介绍了PROMETHEUS，一个框架，它将检索到的文献、文件、评论、报告、代理轨迹、源数据、代码、模拟和科学模型转化为因果图谱：类似于研究基质显式覆盖上的局部因果预测状态模型。每个局部区域包含因果事件、结构化声明表、预测测试、支持统计和来源；限制图比较重叠区域；粘合诊断揭示一致性、漂移、矛盾和欠定性。由此产生的拓扑世界模型不是一个单一的通用图。它是一种研究工具，用于导航语料库所说的内容、在哪里说的、支持的强度以及局部声明无法组合成连贯的全局视图的位置。三个文献图谱案例研究——海洋温度对海洋种群的影响、GLP-1减肥证据以及白藜芦醇/红酒健康益处声明——说明了来自文本的深度因果研究，具有显式局部性、证据、持久状态和粘合张力。四个基于现实的反事实案例研究——一篇《自然气候变化》的微塑料强迫论文、一篇带有VIC衍生图数据和模型代码的印度河流域水文论文、带有单细胞扰动数据的规范Sachs蛋白信号研究以及一篇带有MAPseq投影矩阵的《自然》鸣叫小鼠研究——展示了一种更强的模式：当一篇论文发布源数据、模拟输出或代码时，PROMETHEUS可以针对该科学基质评估反事实，然后围绕它重建层世界模型。
🔬 方法详解
问题定义：现有的大型语言模型虽然能够从文本中提取因果关系，但是这些关系通常是扁平的、孤立的，缺乏组织和关联，难以形成一个连贯的世界模型。研究人员难以有效地利用这些信息进行深度因果推理和分析。现有方法缺乏对证据的支持强度、局部声明的有效范围以及不同声明之间一致性的评估。
核心思路：PROMETHEUS的核心思路是将各种来源（文本、数据、模型等）的信息整合到一个统一的框架中，构建一个可导航的因果图谱。该图谱由多个局部因果模型组成，每个局部模型覆盖研究基质的一个区域。通过比较和连接这些局部模型，可以发现不同区域之间的一致性、矛盾和不确定性，从而进行更深入的因果分析。
技术框架：PROMETHEUS框架包含以下主要模块：1) 数据收集与预处理：从各种来源（文献、数据、代码等）收集信息，并进行预处理，例如文本提取、数据清洗、模型解析等。2) 局部因果模型构建：在研究基质的每个局部区域，构建一个因果预测状态模型，该模型包含因果事件、结构化声明表、预测测试、支持统计和来源信息。3) 区域比较与连接：通过限制图比较重叠区域，发现不同区域之间的一致性、漂移、矛盾和欠定性。4) 世界模型构建：将局部因果模型连接成一个拓扑世界模型，该模型可以用于导航和探索因果关系。
关键创新：PROMETHEUS的关键创新在于它将局部因果模型组织成一个拓扑世界模型，从而实现了对因果关系的深度探索和分析。与传统的扁平化因果关系表示方法相比，PROMETHEUS能够更好地捕捉因果关系的复杂性和上下文依赖性。此外，PROMETHEUS还能够评估基于源数据的反事实，从而验证因果关系的有效性。
关键设计：PROMETHEUS的关键设计包括：1) 使用预测状态模型来表示局部因果关系。2) 使用限制图来比较重叠区域。3) 使用粘合诊断来发现不同区域之间的一致性、漂移、矛盾和欠定性。4) 支持对源数据、模拟输出或代码进行反事实评估。
📊 实验亮点
论文通过三个文献图谱案例研究（海洋温度影响、GLP-1减肥、白藜芦醇健康益处）和四个基于现实的反事实案例研究（微塑料强迫、印度河流域水文、Sachs蛋白信号、鸣叫小鼠）验证了PROMETHEUS框架的有效性。这些案例研究表明，PROMETHEUS能够从文本和数据中提取有价值的因果关系，并评估反事实。
🎯 应用场景
PROMETHEUS可应用于多个领域，例如气候变化研究、药物研发、社会科学等。它可以帮助研究人员更好地理解复杂系统的因果关系，发现潜在的风险和机会，并制定更有效的决策。该框架能够促进跨学科合作，加速科学发现，并提高研究的可重复性和可验证性。
📄 摘要（原文）
Large language models can extract local causal claims from text, but those claims become more useful when organized as persistent, navigable world models rather than as flat summaries. We introduce PROMETHEUS, a framework that turns retrieved literature, filings, reviews, reports, agent traces, source data, code, simulations, and scientific models into causal atlases: sheaf-like families of local causal predictive-state models over an explicit cover of a research substrate. Each local region contains causal episodes, structured claim tables, predictive tests, support statistics, and provenance; restriction maps compare overlapping regions; gluing diagnostics expose agreement, drift, contradiction, and underdetermination. The resulting Topos World Model is not a single universal graph. It is a research instrument for navigating what a corpus says, where it says it, how strongly it is supported, and where local claims fail to assemble into a coherent global view. Three literature-atlas case studies -- ocean-temperature impacts on marine populations, GLP-1 weight-loss evidence, and resveratrol/red-wine health-benefit claims -- illustrate deep causal research from text with explicit locality, evidence, persistent state, and gluing tension. Four grounded-counterfactual case studies -- a Nature Climate Change microplastics forcing paper, an Indus Valley hydrology paper with VIC-derived figure data and model code, the canonical Sachs protein-signaling study with single-cell perturbation data, and a Nature singing-mouse study with MAPseq projection matrices -- show a stronger mode: when a paper ships source data, simulation outputs, or code, PROMETHEUS can evaluate a counterfactual against that scientific substrate and then rebuild the sheaf world model around the