Article · IA & agents
Réduire les omissions dans la génération de graphes causaux par LLM
MaSCoD prépare des hypothèses de variables tierces avant le jugement des arêtes et mesure le compromis rappel–sélectivité.
Le risque de l’omission
Un modèle peut produire un graphe causal plausible tout en oubliant une relation pertinente. MaSCoD, présenté dans « A Multi-Agent Framework for Structural-Context-Guided Candidate Causal Graph Generation », traite l’omission prématurée comme un objectif explicite.
Le cadre organise d’abord des variables tierces candidates et des motifs structurels locaux, puis réalise le jugement sur les arêtes directes. Cette séparation vise à donner au jugement une liste d’alternatives structurées avant qu’il ne tranche.
Une évaluation sur trois jeux
Les auteurs évaluent Auto-MPG, DWD et Sachs avec GPT-5.4, puis répliquent avec GPT-4o. Ils comparent une configuration complète, une condition sans phase de pré-organisation et des ablations partielles.
La question n’est pas simplement de maximiser le rappel. Un graphe qui conserve plus d’arêtes peut aussi augmenter les faux positifs. Il faut donc observer simultanément rappel, F1 et false-positive rate.
Des résultats nuancés
Dans les six combinaisons jeu-modèle, la configuration complète obtient un rappel et un F1 moyens supérieurs à la condition sans phase 1, mais avec davantage de faux positifs. L’avantage sur toutes les bases n’apparaît que sur DWD avec GPT-5.4 et Sachs avec GPT-4o. Les ablations partielles ne sont pas toujours dominées par la configuration complète.
Les auteurs montrent aussi que la réconciliation du graphe peut perdre des arêtes qui avaient survécu au jugement local. La construction du contexte et son utilisation doivent donc être évaluées ensemble, sans attribuer automatiquement l’effet au backbone.
Lecture éditoriale
Pour un agent qui construit une hypothèse, séparer génération de candidats, sélection locale et réconciliation finale rend les pertes visibles. Un rapport devrait indiquer quelles arêtes ont été écartées à chaque étape et pourquoi.
Limites
L’évaluation porte sur trois petits jeux et trois répétitions par condition. Les graphes de référence ne sont pas des vérités causales indépendamment vérifiées, et l’hypothèse de score linéaire-gaussien de la réconciliation limite la portée. Les résultats sont descriptifs.
Source primaire : arXiv:2609.19944v1, PDF.
Brief visuel
Composition 1536×1024 : graphe causal en couches, variables tierces candidates en halo autour d’arêtes principales, quelques arêtes s’effaçant lors d’une réconciliation finale. Palette bleu nuit, turquoise, jaune doux et magenta modéré. Aucun texte, formule lisible ou logo.