MaSCoD: A Multi-Agent Framework for Structural-Context-Guided Candidate Causal Graph Generation

📄 arXiv: 2609.19944v1 📥 PDF

作者: Yudai Nakada, Yuichiro Nishiura, Jin Michael Splichal

分类: cs.AI

发布日期: 2026-09-17

备注: 31 pages, 4 figures, 18 tables. The first two authors contributed equally

💡 一句话要点

提出MaSCoD框架以解决因果图生成中的遗漏问题

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 因果发现 多代理框架 结构模式 候选变量 大型语言模型

📋 核心要点

  1. 现有方法在因果图生成中未能有效处理潜在因果关系的遗漏问题，导致结果不准确。
  2. MaSCoD框架通过多代理机制在直接边判断前组织候选变量和结构模式，从而优化因果关系的识别。
  3. 实验结果表明，MaSCoD在多个数据集上相较于基线方法提高了召回率和F1得分，且表现出数据集和模型依赖性。

📝 摘要（中文）

大型语言模型（LLMs）已被应用于因果发现，但候选图生成很少将潜在相关因果关系的提前遗漏作为明确设计目标。我们提出了MaSCoD，一个多代理框架，在直接边判断之前组织候选第三变量和局部结构模式。我们在Auto-MPG、DWD和Sachs数据集上评估了MaSCoD，使用GPT-5.4作为主要基础模型，GPT-4o进行复现。结果显示，Full方法在直接边判断之前提供结构假设，平均召回率和F1得分高于No Phase 1方法，同时增加了假阳性率。DWD和Sachs数据集上观察到额外的参考边保留，而不是在所有设置中均匀分布。这些发现支持将结构预组织作为遗漏控制的明确设计和评估目标，并激励将上下文构建与其在判断中的利用共同评估。

🔬 方法详解

问题定义：本论文旨在解决因果图生成过程中潜在因果关系的提前遗漏问题。现有方法往往忽视这一点，导致生成的因果图不完整或不准确。

核心思路：MaSCoD框架通过多代理机制，首先组织候选第三变量和局部结构模式，然后再进行直接边判断。这种设计旨在提高因果关系的识别准确性，减少遗漏。

技术框架：MaSCoD的整体架构包括多个阶段：首先是候选变量的组织阶段，其次是结构假设的生成，最后是直接边判断。每个阶段都旨在优化信息的利用和判断的准确性。

关键创新：MaSCoD的主要创新在于将结构预组织作为明确的设计目标，与现有方法相比，它在处理因果关系时更具系统性和全面性。

关键设计：在模型设计中，采用了GPT-5.4作为主要基础模型，并进行了多种参数设置和损失函数的调整，以确保在不同数据集上的表现最佳。

🖼️ 关键图片

fig_0
img_1
img_2

📊 实验亮点

实验结果显示，MaSCoD的Full方法在所有六个数据集-基础模型设置中，平均召回率和F1得分均高于No Phase 1方法，且在DWD和Sachs数据集上观察到额外的参考边保留，表明其在因果图生成中的有效性。

🎯 应用场景

该研究的潜在应用领域包括社会科学、经济学和生物医学等领域，能够帮助研究人员更准确地识别因果关系，从而推动科学研究和决策制定的进步。未来，MaSCoD框架可能会与其他机器学习技术结合，进一步提升因果发现的能力。

📄 摘要（原文）

Large language models (LLMs) have been applied to causal discovery, but candidate-graph generation rarely treats premature omission of potentially relevant causal relations as an explicit design objective. We propose MaSCoD, a multi-agent framework that organizes candidate third variables and local structural patterns before direct-edge judgment. We evaluate MaSCoD on Auto-MPG, DWD, and Sachs using GPT-5.4 as the primary backbone and GPT-4o for replication. MaSCoD exhibits a dataset- and backbone-dependent retention-selectivity profile rather than uniform superiority. Across all six dataset-backbone settings, Full, which supplies structural hypotheses before direct-edge judgment, achieved higher mean Recall and F1 than No Phase 1, which instead constructs them within the judgment procedure, while also increasing false-positive rates. Additional reference-edge retention over all evaluated baselines was observed on DWD with GPT-5.4 and on Sachs with GPT-4o, rather than uniformly across settings. Partial ablations showed that supplying both information components did not always outperform supplying only one. For GPT-5.4, stage-wise analysis showed that the Full-No Phase 1 retention gap was already present after direct-edge judgment, while reconciliation introduced additional reference-edge loss for Full on Sachs. These findings support structural pre-organization as an explicit design and evaluation target for omission control and motivate evaluating context construction jointly with its utilization in judgment.