为什么重要
CReSE 基于 Pearl 的因果层级（关联-干预-反事实）系统评测 LLM 的因果推理能力。是连接统计推理与因果推理的桥梁。
返回评测
推理 因果推理 未饱和
模态 · 文本
任务 · 选择 / 判断
CReSE
评测 LLM 因果推理能力的系统性基准
Multiple ·
考察能力
因果推理 干预推断 反事实推理
构建信息
- 数据规模
- 5K+ 问题
- 评测方式
- 标准评测
- 核心指标
- Accuracy
资源链接
模型效果排行
🥇 GPT-4o
68.2%
🥈 Claude 3.5 Sonnet
65.4%
因果推理 干预 反事实 因果层级