论文标题：CausalBridgeQA: a causal inference-based approach for robust enhancement of multi-hop question answering

期刊：Frontiers of Computer Science

作者：Xu Jiang, Yu-Rong Cheng, Bao-Quan Ma, Jia-Xin Li & Yun-Feng Li 

发表时间：28 October 2025

DOI：10.1007/s11704-025-41328-x

微信链接：点击此处阅读微信文章

标题：CausalBridgeQA: a causal inference-based approach for robust enhancement of multi-hop question answering

作者：Xu JIANG, Yu-Rong CHENG, Bao-Quan MA, Jia-Xin LI, Yun-Feng LI

DOI：10.1007/s11704-025-41328-x

扫码阅读原文

摘要：

多跳问答（MHQA）的核心挑战在于模型往往依赖单一实体或事实进行“捷径”判断，而非真正的链式推理。北京理工大学研究团队提出“因果关联增强”新视角，将推理链构建视为因果干预过程。基于此开发的 CausalBridgeQA 框架通过双向因果干预机制剔除多跳证据中的复杂偏差，强化了证据间的逻辑关联。实验证明，该方法在 HotpotQA 等基准数据集上显著提升了推理的鲁棒性，均优于现有的前沿算法。

内容精要

多跳问答（MHQA）任务要求模型跨越多个支持事实进行深度检索与推理，但在实际应用中面临一个核心技术痛点：现有模型极易受到数据中虚假关联的干扰。由于模型倾向于捕捉问题与答案之间的统计“捷径”，往往在未完成完整推理链的情况下便给出答案。这种现象导致模型在面对干扰项或复杂的证据链时，容易出现推理断裂或逻辑偏差，严重限制了问答系统在处理复杂知识关联时的准确性与解释力。

为了解决这一难题，北京理工大学团队提出了结合因果推理与鲁棒性增强的 CausalBridgeQA 框架。该架构摒弃了仅依赖注意力机制的传统检索思路，转而将多跳推理过程建模为因果图中的干预过程。框架核心设计了双向因果干预机制：一方面通过反事实干预识别并剔除无关背景噪声对推理节点的干扰；另一方面构建“因果桥接”模块，强化支撑事实之间的因果依赖关系。这种设计迫使模型必须遵循预设的逻辑路径，从而确保答案的生成是基于完整的证据链条。

研究表明，在 HotpotQA 等主流数据集上的广泛实验中，CausalBridgeQA 在干扰项众多的环境下展现出极强的鲁棒性。数据显示，该方案在推理链预测准确率（Sp-F1）方面取得了显著提升，证明了因果干预能有效纠正模型的预测偏差。这一研究不仅为提升大规模语言模型的逻辑推理能力提供了严谨的因果视角，也为构建具备可解释性与鲁棒性的深度智能问答系统提供了重要的技术路径。

期刊简介

Frontiers of Computer Science （FCS）是由教育部主管、高等教育出版社和北京航空航天大学共同主办，南京大学支持，SpringerNature 公司海外发行的英文学术期刊。本刊于 2007 年创刊，月刊，全球发行。主要刊登计算机科学领域具有创新性的综述论文、研究论文等。本刊主编为周志华院士，执行主编为周昆教授。编委会及青年 AE 团队由国内外知名学者及优秀青年学者组成。本刊被 SCI、Ei、DBLP、INSPEC、SCOPUS 和中国科学引文数据库（CSCD）核心库等收录，为 CCF 推荐B类期刊；两次入选“中国科技期刊国际影响力提升计划”；入选“第4届中国国际化精品科技期刊”；两次入选“中国科技期刊卓越行动计划”（一期梯队、二期领军）。