深度分析 CauSim：以可執行結構因果模型（SCM）強化 LLM 的可監督因果推理 因果推理長期受限於標註稀少與非可執行表徵，導致大型語言模型雖在多項任務超越人類，卻仍難以穩定回答介入與反事實問題。CauSim提出一套把因果知識在自然語言與程式碼之間互相轉換的框架：利用大型語言模型逐步構建可執行的結構因果模型（SCM），再從可執行模型生成可驗證的介入與反事實樣本進行監督訓練；
