專家共議大模型與因果推斷融合路徑，探尋通用人工智能新方向

灣區時訊（編輯/劉秀 通訊員/陳炳豐 朱鑒）隨著大模型技術的不斷發展，人工智能領域對因果關系理解和推理的需求日益增長。大模型在識別因果關系、判斷因果方向、提供解釋以及進行推薦等方面展現出巨大潛力。然而，如何準確實現和應用這些能力仍面臨諸多挑戰，如數據偏見、模型可解釋性以及跨領域適應性等。為了深入探討這一前沿話題，中國計算機學會（CCF）青年計算機科技論壇（YOCSEF）廣州分論壇于2025年3月22日舉辦了題為“大模型與因果推斷”的技術論壇。論壇邀請了大模型與因果推斷領域的資深學者，分享他們在相關科技前沿取得的最新成果，并圍繞可解釋性在大模型技術的應用、知識推理與多智能體協同以及因果推斷在工業界的應用等熱點話題展開深入探討，為人工智能的發展探索新的方向。

本次論壇由CCF主辦，YOCSEF廣州學術委員會組織，YOCSEF廣州現任AC委員陳炳豐（廣東工業大學）和YOCSEF廣州現任AC委員、候任副主席朱鑒（廣東工業大學）共同擔任執行主席，廣州唐邦信息科技有限公司、荔峰科技（廣州）有限公司提供贊助支持。此次論壇邀請了華南理工大學教授黃翰、上海交通大學長聘副教授張拳石、中山大學副教授王可澤擔任引導嘉賓；廣東工業大學教授蔡瑞初、中山大學教授權小軍、廣東外語外貿大學副教授顏學明擔任思辨嘉賓。

汕頭大學校長郝志峰教授，廣東金融學院副校長、CCF廣州分部主席黃瓊、YOCSEF總部候任主席賀瑞君（人民郵電出版社），YOCSEF總部候任副主席鄢興雨（北京智譜華章科技有限公司），YOCSEF南京主席吳天星（東南大學），YOCSEF廈門主席周奕毅（廈門大學），CCF廣州分部副主席楊育斌，CCF廣州分部秘書長吳一冰（賽爾網絡），YOCSEF廣州往屆主席譚臺哲（廣東工業大學）、黃書強（暨南大學）、黃棟（華南農業大學）、龍錦益（暨南大學），現任主席李冠彬（中山大學），往屆副主席高靜（廣東恒電信息科技股份有限公司）、許正強（廣州職贏未來信息科技有限公司），往屆優秀AC劉雷（廣東科技報），現任副主席、候任主席蘇申（廣州大學），現任副主席黃培濤（廣州唐邦信息科技有限公司），現任學術秘書陳俊穎（華南理工大學）、姜思羽（廣東外語外貿大學），往屆AC委員藍連濤（華南農業大學），現任AC委員劉偉莉（廣東技術師范大學）、張帆（云米）、李雯霖（廣東財經大學），候任AC委員崔金榮（華南農業大學），廣州大學教授仇晶、荔峰科技（廣州）有限公司總經理肖茂財，廣東灣聚科技發展有限公司總經理蔡少東，香港中文大學（深圳）李鎮，劉陽、陳澤川、劉名威、呂子鈺、湯子逸、萬文韜、吳賀豐、張巨聲、廖巧麗、閆恩亮、李勇軍、林浚、張祺、張峻濤、龐科健、海鈺佳、雷浩等來自廣東地區多所高校及企事業單位共70多人參加了此次論壇。

在論壇開幕環節，首先由本次論壇執行主席陳炳豐和朱鑒逐一介紹與會嘉賓，并詳細闡述了本次論壇的背景。論壇聚焦于探討大模型與因果推理之間的相互關系，以及二者如何能夠相輔相成、互相促進。論壇的最終目標是從這些討論中提煉出有助于技術邁進通用人工智能的高質量見解與建議。

隨后，汕頭大學校長郝志峰教授，廣東金融學院副校長、CCF廣州分部主席黃瓊教授和廣東工業大學計算機學院院長李小平教授代表會議主辦方對與會者表示歡迎。

郝志峰教授和黃瓊教授致歡迎辭

前沿探索：大模型與因果推斷的協同發展

黃翰：顯式生成與隱式因果的“帥才博弈”

在引導報告環節，首先由華南理工大學軟件學院黃翰教授以“可見的‘帥’，潛藏的‘才’——關于大模型與因果推斷的一點思考“為題，深入探討了因果推斷在大模型技術應用領域的核心挑戰。黃教授指出，當前大模型本質是顯式變量的序列生成器，缺乏因果推斷能力，難以應對現實世界中普遍存在的隱變量問題。他形象地將大模型的“帥”（強大的生成能力）與“才”（基于因果推斷來挖掘深層規律）進行對比。在技術實踐方面，黃教授團隊聚焦因果建模領域，研發了結構方程自動生成與分析系統，該系統已服務全球200多個國家和地區的科研用戶，覆蓋15個應用領域，展現出廣闊的應用前景。

黃翰：顯式生成與隱式因果的“帥才博弈”

張拳石：可解釋性破局，神經網絡決策邏輯的符號化革命

上海交通大學張拳石副教授以“神經網絡是否可以被嚴謹地解釋清楚？”為題，分享了模型面臨的可解釋性挑戰，指出法律、醫療等領域是典型應用場景。他提出基于博弈交互的可解釋性理論體系，證明神經網絡決策邏輯可分解為稀疏符號化概念，突破長期經驗性悲觀論調。該理論通過公理體系確保符號化解釋的嚴謹性，實現對多種歸因算法的統一解釋，并揭示交互復雜度與模型泛化性、魯棒性的數學關系。

張拳石：可解釋性破局，神經網絡決策邏輯的符號化革命

王可澤：多智能體協同破解垂直領域落地難題

中山大學王可澤副教授以“大模型知識推理與多智能體研究”為題，分享了在ChatGPT、DeepSeek等大模型技術快速發展的背景下，模型面臨的幻覺生成、多模態融合等垂直落地挑戰，還指出健康、氣象等領域是典型應用場景。王教授提出基于人類認知雙通道理論的計算框架，結合三段論推理思維鏈與多智能體協同技術，突破單向預測架構限制，實現事實性與邏輯性提升。相關成果成功應用于廣東省氣象預報自動化生成、數說故事百億級商業大模型SocialGPT優化及視頻因果干預分析，顯著提升服務效率與生成質量，為大模型在垂直領域的深度應用提供了創新解決方案。

王可澤：多智能體協同破解垂直領域落地難題

引導報告結束后，由YOCSEF總部候任主席賀瑞君、南京分論壇主席吳天星、廈門分論壇主席周奕毅分別為三位引導嘉賓頒發感謝牌，以示對他們的誠摯謝意。

為三位引導嘉賓頒發感謝牌

引導發言結束后，論壇進入思辨環節，該環節由執行主席陳炳豐和朱鑒共同主持。思辨嘉賓包括：廣東工業大學計算機學院的蔡瑞初教授、中山大學計算機學院的權小軍教授、廣東外語外貿大學的顏學明副教授等眾多與會嘉賓。會場嘉賓圍繞“大模型究竟是記憶的產物還是泛化的結果？”、“大模型是否需要具備因果理解能力？”、“如何引導大模型理解因果關系？”三個核心議題，展開激烈思辨。

思辨議題1：大模型究竟是記憶的產物還是泛化的結果？

觀點碰撞：記憶與泛化的辯證思考

記憶派：數據驅動下的知識復現與邏輯“假象”

泛化派：動態交互中的場景適應與推理躍遷

融合論：因果推理或成平衡記憶與泛化關鍵鑰匙

針對此議題，一些嘉賓認為大模型在很大程度上是記憶的產物。蔡瑞初提出，大模型主要是基于記憶的基礎知識和推理模式，這給人一種它具備泛化能力的錯覺；然而，在面對新場景時，其泛化能力可能不足。周奕毅補充道，大模型主要通過記憶來體現所謂的“泛化能力”，例如在處理簡單的數學加法時也可能出錯，這表明大模型只是記住了數學知識，并未真正理解數學原理。

另一方面，也有嘉賓強調大模型的能力更多體現在泛化上。黃棟表示，在實際交互中，大模型經常需要處理訓練集中未曾出現的情況，并根據已有的訓練進行泛化以做出回應。譚臺哲同意此觀點，并指出雖然因果關系能夠帶來更好的泛化效果，但它并非提升泛化的唯一途徑。

此外，一些嘉賓認為應綜合看待大模型的記憶與泛化能力，不宜孤立思考。鄢興雨介紹了業界的一種測試方法：對于一種新的游戲規則，若大模型在學習后能作為游戲角色提出合理策略，則表明其具有泛化能力；反之則說明它是基于記憶。張拳石強調，大模型對不同知識點的泛化能力存在差異，特別是在復雜交互中，這種能力可能會顯著下降。劉陽認為記憶和泛化不可分割，兩者之間存在交集，且因果關系有助于解釋事務邏輯，從而大幅提升大模型的泛化能力。吳天星總結說，大模型在推理過程中既表現出記憶特性也展示了泛化能力，但討論這個問題時不能脫離具體的應用場景、數據集及任務需求，并建議建立詳細的評測體系來驗證模型的表現是基于記憶還是泛化。

思辨議題2：大模型是否需要具備因果理解能力？

因果革命：從技術能力到社會信任的跨越

邏輯推理能力是因果理解的底層支撐

動態數據交互構建因果認知新范式

可解釋性決定公眾對通用AI的接納閾值

針對此議題，部分嘉賓認為大模型需要具備因果理解能力。權小軍認為大模型應當具有邏輯推理的能力，而因果推理作為一種合理的推理形式，表明大模型確實需要具備因果理解能力。黃棟則強調應更關注于大模型解決問題的實際效果，即使缺乏完全的可解釋性，大模型仍能作為強大的工具使用；不過他也指出，只有當大模型具備因果能力時，才能被視為邁向通用人工智能的重要一步。蔡瑞初進一步闡述了引入因果的重要性，認為這不僅是為了改進大模型本身，更是為了更好地改造世界。劉陽支持因果推理能夠增強系統的可解釋性、穩定性和可靠性。蘇申補充說，僅靠現有的語料無法使大模型達到理想的表現，還需要通過歸因分析來提升其性能，因此不能忽略因果邏輯。

另一方面，一些嘉賓則認為因果理解能力不一定是大模型的基礎能力，更多地依賴于邏輯推理能力。陳俊穎提出，雖然大模型需要實現可解釋性，但這不一定非要通過因果理解來達成，邏輯或規則同樣可以實現這一目標。

此外，還有嘉賓從不同角度探討了大模型與因果推理的關系。鄢興雨表示，盡管在技術層面上實現通用人工智能不一定需要因果推理，但為了讓公眾接受和信任通用人工智能，因果推理是必要的。吳賀豐認為大模型本身就包含了一定程度的因果理解和推理能力。劉偉莉則指出，在某些特定應用場景如醫療和金融領域中，因果理解能力對大模型來說至關重要，但在其他場景下可能并非如此必要。

思辨議題3：如何引導大模型理解因果關系？

實踐破局：因果增強大模型的三大路徑

數據重構：從靜態語料到因果鏈標注

架構創新：結構方程與多智能體協同框架

評測體系：建立因果推理能力量化標準

針對這一議題，部分嘉賓提出了以數據為中心的方法。蔡瑞初認為，靜態數據不足以使大模型理解因果關系；相反，通過與現實世界的交互產生的動態數據可以賦予大模型這種能力。張拳石強調，人類對因果的理解源于自我反思的過程，因此，為了提升大模型的因果理解能力，也需要開發一套方法來促進其進行類似的反思和總結。鄢興雨則建議，可以通過識別長鏈邏輯內容中的共性部分作為歸因，生成因果數據，并將其反饋給大模型，從而輔助其理解因果關系。

另一些嘉賓對于以數據為中心的研究范式是否足以幫助大模型理解因果關系表示懷疑。周奕毅指出，由于大模型本質上是一個條件概率模型，主要用于解決概率分布問題，因此讓大模型像人類一樣理解原因或原理是相當具有挑戰性的。陳俊穎補充道，雖然數據本身并不包含因果關系，但通過將人類對因果關系的理解融入數據設計中，并結合考慮因果關系的模型設計，然后將這些數據輸入模型進行訓練，可以在一定程度上增強模型對因果關系的理解。

此外，顏學明提到，大模型的應用已經對傳統的自然語言處理教學和科研帶來了革命性的變化，使得許多傳統任務得以更高效地解決。黃棟認為，某些大模型之所以能夠進行因果推理和邏輯推理，并不一定是因為它們從嵌入了因果關系的數據中學習，而是因為這些模型的結構本身就適合此類任務。權小軍進一步指出，盡管傳統的機器學習特征選擇方法和自然語言處理中的句法結構分析等研究思路可能已不再適用，但在當前環境下，無論是深度學習還是大模型，數據驅動的范式依然顯示出其有效性。

思辨現場

嘉賓熱議

在思辨環節之后，由郝志峰教授依次為各位思辨嘉賓頒發了感謝牌。此次論壇歷時四個多小時，最后賀瑞君對此次論壇進行總結并表示肯定。

頒發思辨特邀嘉賓感謝牌留念

YOCSEF總部候任主席賀瑞君對論壇作總結

與會嘉賓合影留念

本次論壇圍繞“大模型與因果推斷”這一主題，匯聚了來自學術界與業界的眾多專家。與會人員圍繞大模型和因果推理的協同發展機制展開深入探討，重點分析了二者如何相互促進、融合發展，并為實現通用人工智能提煉出一些高質量的觀點和建議。期待在各領域專家學者的共同推動下，繼續深化大模形與因果技術的融合，擴大影響力，為產業實踐指明發展方向。

這場思辨風暴不僅揭示了大模型與因果推斷的技術共生關系，更勾勒出從實驗室到產業落地的完整創新圖譜，為破解AI“黑箱”困局提供了破局思路。

責任編輯/劉秀