一项最新研究提出了一种利用大语言模型（LLMs）进行完整因果图发现的创新框架。此前基于LLM的方法依赖成对查询，导致查询次数呈平方级增长，对于大型因果图实用性不足。
该新框架引入广度优先搜索（BFS）策略，成功将所需查询次数从平方级降至线性级，显著提升效率。此外，该方法还能轻松整合观测数据，以进一步提升因果发现性能。
不仅如此，新框架在时间和数据利用方面更高效，并在处理不同规模的真实世界因果图时取得了当前最佳（state-of-the-art）结果。这些成果充分证明了新方法在发现因果关系方面的有效性和高效性，展现了其在不同领域因果图发现任务中的广泛应用潜力。