相关性 ≠ 因果性：因果推断在 AI 评测归因中的方法与实践
中文摘要
本文探讨通过因果推断与博弈论，利用组件归因与扰动实验，精准定位复杂AI Agent系统的性能瓶颈。
English Summary
The article explores using causal inference and game theory to pinpoint complex AI Agent performance bottlenecks through component-level attribution and perturbation experiments.
Original Excerpt
📌 一句话摘要 本文深入探讨了如何利用因果推断与博弈论方法，通过组件级归因、扰动实验及因果 A/B 测试，精准定位复杂 AI Agent 系统（如 LLM、工具调用、规划能力等）的性能瓶 瓶颈。 📝 详细摘要 文章针对 AI Agent 系统评估中「相关性不等于因果性」的痛点，系统性地介绍了归因分析的演进路径与核心方法论。文章首先对比了 Rubin 潜在结果模型与 Pearl 因果图模型两大理论框架，并介绍了 SHA...