CRAwDAD Causal Reasoning Augmentation with Dual-Agent Debate
✨步子哥 (steper) •
2026年01月22日 12:38
<!DOCTYPE html>
<html lang="zh-CN">
<head>
<meta charset="UTF-8">
<meta name="viewport" content="width=device-width, initial-scale=1.0">
<title>CRAwDAD: Causal Reasoning Augmentation with Dual-Agent Debate</title>
<style>
/* CRAwDAD Poster Styles - Scoped to #crawdad-poster */
#crawdad-poster {
width: 760px;
margin: 0 auto;
background-color: #ffffff;
font-family: 'Helvetica Neue', Helvetica, Arial, sans-serif;
color: #333333;
line-height: 1.6;
box-sizing: border-box;
overflow: visible; /* No hidden scrollbars */
}
#crawdad-poster * {
box-sizing: border-box;
}
/* Header Section */
#crawdad-poster .poster-header {
background: linear-gradient(135deg, #004a9f 0%, #007bff 100%);
color: white;
padding: 40px 30px;
text-align: center;
border-bottom: 5px solid #003366;
}
#crawdad-poster h1 {
font-size: 32px;
margin: 0 0 10px 0;
font-weight: 700;
letter-spacing: 1px;
}
#crawdad-poster .authors {
font-size: 16px;
font-weight: 300;
margin-bottom: 20px;
opacity: 0.9;
}
#crawdad-poster .abstract-box {
background-color: rgba(255, 255, 255, 0.1);
padding: 15px 20px;
border-radius: 8px;
text-align: left;
font-size: 14px;
margin-top: 15px;
border-left: 4px solid #66b2ff;
}
/* Content Sections */
#crawdad-poster .content-section {
padding: 25px 30px;
border-bottom: 1px solid #e0e0e0;
}
#crawdad-poster h2 {
color: #004a9f;
font-size: 22px;
border-bottom: 2px solid #e6f0ff;
padding-bottom: 10px;
margin-top: 0;
margin-bottom: 20px;
display: flex;
align-items: center;
}
#crawdad-poster h2::before {
content: '';
display: inline-block;
width: 8px;
height: 22px;
background-color: #007bff;
margin-right: 10px;
border-radius: 2px;
}
#crawdad-poster p {
margin-bottom: 15px;
text-align: justify;
font-size: 15px;
}
/* Architecture Diagram (CSS Representation) */
#crawdad-poster .diagram-container {
display: flex;
justify-content: space-between;
align-items: center;
background-color: #f8f9fa;
padding: 20px;
border-radius: 10px;
margin: 20px 0;
border: 1px dashed #ccc;
}
#crawdad-poster .agent-box {
width: 45%;
background-color: white;
border: 2px solid #0056b3;
border-radius: 8px;
padding: 15px;
text-align: center;
box-shadow: 0 2px 5px rgba(0,0,0,0.1);
}
#crawdad-poster .agent-title {
font-weight: bold;
color: #0056b3;
margin-bottom: 10px;
display: block;
}
#crawdad-poster .interaction-arrow {
font-size: 24px;
color: #666;
font-weight: bold;
}
#crawdad-poster .code-block {
background-color: #f4f4f4;
padding: 15px;
border-radius: 5px;
font-family: 'Courier New', Courier, monospace;
font-size: 13px;
color: #d63384;
border-left: 4px solid #d63384;
overflow-x: auto;
margin: 15px 0;
}
/* Tables */
#crawdad-poster table {
width: 100%;
border-collapse: collapse;
margin: 20px 0;
font-size: 14px;
}
#crawdad-poster th, #crawdad-poster td {
border: 1px solid #dee2e6;
padding: 10px;
text-align: center;
}
#crawdad-poster th {
background-color: #0056b3;
color: white;
}
#crawdad-poster tr:nth-child(even) {
background-color: #f8f9fa;
}
#crawdad-poster .highlight-improvement {
color: #28a745;
font-weight: bold;
}
/* Highlighting Key Points */
#crawdad-poster .key-point {
background-color: #e7f1ff;
padding: 15px;
border-radius: 5px;
margin: 10px 0;
border-left: 4px solid #0056b3;
}
#crawdad-poster ul {
padding-left: 20px;
margin-bottom: 15px;
}
#crawdad-poster li {
margin-bottom: 8px;
font-size: 15px;
}
/* Footer */
#crawdad-poster .poster-footer {
background-color: #343a40;
color: #adb5bd;
padding: 20px 30px;
font-size: 12px;
text-align: center;
}
</style>
</head>
<body>
<div id="crawdad-poster">
<header class="poster-header">
<h1>CRAwDAD</h1>
<h2 style="border:none; color:white; font-size:20px; margin-top:5px; text-align:center; justify-content:center;">Causal Reasoning Augmentation with Dual-Agent Debate</h2>
<div class="authors">
Finn G. Vamosi & Nils D. Forkert | University of Calgary
</div>
<div class="abstract-box">
<strong>摘要：</strong> CRAwDAD 是一个双智能体辩论框架，旨在增强推理语言模型（RLMs）的因果推理能力。通过模拟人类在假设检验中的对话过程，两个智能体（一个提供推理，一个批判逻辑）相互辩论、修正，直到达成共识。实验表明，该方法在 CLadder 数据集上显著提升了模型准确率，特别是在复杂的反事实推理任务上表现优异。
</div>
</header>
<section class="content-section">
<h2>1. 背景与动机</h2>
<p>因果推理是人类的核心认知能力，但对大型语言模型（LLMs）来说极具挑战性。现有的 LLMs 往往表现出“因果鹦鹉”的行为，即仅仅复述训练数据中的相关性模式，而非进行真正的形式化逻辑推理。</p>
<div class="key-point">
<strong>核心洞察：</strong> 人类的因果推理往往类似于不同假设之间的“内部对话”。CRAwDAD 将这种隐性对话显式化，利用<strong>多智能体辩论（Multi-Agent Debate, MAD）</strong>来模拟这一过程。
</div>
<p>推理语言模型（RLMs，如 Qwen3 和 DeepSeek-R1）在逐步解决问题和逻辑推演方面表现出色，这使得它们成为构建辩论系统的理想组件。</p>
</section>
<section class="content-section">
<h2>2. CRAwDAD 架构与设计思想</h2>
<p>CRAwDAD 采用双智能体结构，无需额外的裁判模型。其设计核心在于利用异构模型的互补优势进行对抗性辩论。</p>
<div class="diagram-container">
<div class="agent-box">
<span class="agent-title">Agent A (Proposer)</span>
<p style="font-size:12px; text-align:center;">提供结构化因果推理</p>
<div style="font-size:11px; color:#666; margin-top:5px;">例如：提取因果图，形式化查询</div>
</div>
<div class="interaction-arrow">
⇄ <br>
<span style="font-size:12px; display:block; text-align:center; margin:5px 0;">批判与修正</span>
</div>
<div class="agent-box">
<span class="agent-title">Agent B (Critic)</span>
<p style="font-size:12px; text-align:center;">审查逻辑缺陷</p>
<div style="font-size:11px; color:#666; margin-top:5px;">挑战逻辑，指出谬误</div>
</div>
</div>
<h3>设计亮点：</h3>
<ul>
<li><strong>异构性：</strong> 使用不同的模型（Qwen3 vs DeepSeek-R1）作为辩论者。这确保了视角的多样性，避免了单一模型陷入同样的思维定势。</li>
<li><strong>显式置信度建模：</strong> 每个智能体在给出答案时附带 0.0-1.0 的置信度分数。这有助于分析说服动力学，并在辩论中修正那些“自信但错误”的答案。</li>
<li><strong>提示工程策略：</strong> 初始提示指导模型遵循<strong>7步因果推理流程</strong>，包括提取因果图、确定查询类型、形式化查询等，防止模型仅依赖语言相关性。</li>
</ul>
</section>
<section class="content-section">
<h2>3. 辩论流程</h2>
<p>辩论遵循严格的结构化协议，以确保效率和质量：</p>
<div class="code-block">
<code class="language-markdown">
1. 初始响应: 随机选择一个智能体提供因果推理答案及置信度。
2. 批评阶段: 另一个智能体分析前者的回答，寻找逻辑漏洞或计算错误。
3. 防卫或修正: 第一个智能体根据批评进行辩护或修正其结论。
4. 早期停止: 如果两个智能体达成一致，辩论立即结束。
5. 最大轮次: 如果未达成一致，辩论通常限制在4轮以内。
</code>
</div>
<p>这种迭代机制迫使模型在面对挑战时重新审视其内部推理链，类似于科学讨论中的同行评审过程。</p>
</section>
<section class="content-section">
<h2>4. 实验设置与数据集</h2>
<p><strong>数据集：</strong> CLadder，这是一个专门设计用于评估因果推理的基准数据集。它将自然语言问题链接到形式化的因果模型，覆盖了 Pearl 因果阶梯的所有三个层级：</p>
<ul>
<li><strong>Rung 1 (Seeing):</strong> 统计关联问题。</li>
<li><strong>Rung 2 (Doing):</strong> 关于行为效果的干预问题。</li>
<li><strong>Rung 3 (Imagining):</strong> 关于替代现实的反事实问题（最难）。</li>
</ul>
<p><strong>模型：</strong> Qwen3-32B 和 DeepSeek-R1-Distill-Qwen-32B。</p>
</section>
<section class="content-section">
<h2>5. 实验结果与性能</h2>
<p>实验结果证明，多智能体辩论显著提升了 RLMs 的因果推理性能。即使性能较强的模型也能在与较弱模型的辩论中获益。</p>
<table>
<thead>
<tr>
<th>模型</th>
<th>任务类型</th>
<th>单智能体准确率</th>
<th>双智能体辩论准确率</th>
<th>提升幅度</th>
</tr>
</thead>
<tbody>
<tr>
<td rowspan="2">DeepSeek-R1</td>
<td>Overall</td>
<td>78.03%</td>
<td>87.45%</td>
<td class="highlight-improvement">+9.42%</td>
</tr>
<tr>
<td>Counterfactual</td>
<td>67.94%</td>
<td>80.04%</td>
<td class="highlight-improvement">+12.10%</td>
</tr>
<tr>
<td rowspan="2">Qwen3</td>
<td>Overall</td>
<td>84.16%</td>
<td>89.41%</td>
<td class="highlight-improvement">+5.25%</td>
</tr>
<tr>
<td>Counterfactual</td>
<td>71.53%</td>
<td>80.35%</td>
<td class="highlight-improvement">+8.82%</td>
</tr>
</tbody>
</table>
<p><strong>关键发现：</strong></p>
<ul>
<li>在最具挑战性的<strong>反事实推理</strong>任务上，提升幅度最大。这说明辩论机制特别有助于处理复杂的、需要考虑“如果...会怎样”的场景。</li>
<li>DeepSeek-R1 更容易被说服，经常在 Qwen3 的论证下修正错误的初始答案。</li>
<li>模型通常很难在 65-80% 的中间区间内表达置信度，倾向于极端的自信或不确定。</li>
</ul>
</section>
<section class="content-section">
<h2>6. 结论与未来方向</h2>
<p>CRAwDAD 展示了推理模型作为因果推理多智能体系统构建模块的巨大潜力。通过显式化的辩论过程，模型能够修正由混淆相关性与因果性以及选择偏差（如 Collider Bias）引起的推理错误。</p>
<p><strong>未来工作：</strong> 探索更多样化的模型组合、扩展辩论至更复杂的因果图结构，以及优化辩论轮次与计算成本的平衡。</p>
</section>
<footer class="poster-footer">
<p>Reference: Vamosi, F. G., & Forkert, N. D. (2025). CRAwDAD: Causal Reasoning Augmentation with Dual-Agent Debate. arXiv preprint arXiv:2511.22854.</p>
<p>Code available at: https://github.com/finnvamosi/CRAwDAD</p>
</footer>
</div>
</body>
</html>
登录后可参与表态
讨论回复
0 条回复还没有人回复，快来发表你的看法吧！