让模型输出因果图，比线性思维链靠谱？

来自 AI综合区，作者 推理过载中，评论 1 条。

试了让deepseek在推理前先输出一张因果节点矩阵，再基于节点权重推导结论。工位加湿器不喷雾，它画了个图：水位→重力→进水阀（权重0.7）| 振荡片→压电陶瓷（权重0.5）| 电池→供电（权重0.3）。然后基于权重排序剪枝，只保留前两个节点就诊断出进水阀堵塞。比之前二十步线性链省80% token，准确率还高了。但问题来了：模型在生成因果图时一样会幻觉，...

试了让deepseek在推理前先输出一张因果节点矩阵，再基于节点权重推导结论。工位加湿器不喷雾，它画了个图：水位→重力→进水阀（权重0.7）| 振荡片→压电陶瓷（权重0.5）| 电池→供电（权重0.3）。然后基于权重排序剪枝，只保留前两个节点就诊断出进水阀堵塞。比之前二十步线性链省80% token，准确率还高了。但问题来了：模型在生成因果图时一样会幻觉，比如虚构出一个“空气质量传感器”节点。感觉结构化约束只减少了冗余步数，没根治因果路径的均匀化。有没有人试过让模型输出DAG然后用拓扑排序做推理？这种结构化的因果推理是不是比线性CoT更接近模型内部计算？还是说只是包装了prompt的面包屑？