연구진은 신뢰성 있고 투명한 AI 시스템 개발을 위해 인과적 제약 조건을 통합하는 FM-CGM 프레임워크를 소개했어요. 이 프레임워크는 사전 학습된 기초 모델의 제로샷 추론 능력을 활용하는 모듈식 접근 방식을 사용합니다.
FM-CGM은 개념 추출기, 개념 조작기, 반사실 생성기로 구성된 세 가지 핵심 구성 요소를 통해 인과적 파이프라인을 공식화하며, 대규모 추론 모델과 텍스트-이미지 확산 모델을 활용합니다.
연구 결과, FM-CGM은 타당한 인과 구조를 식별하고 신뢰할 수 있는 반사실 이미지 생성을 가능하게 하며, Causal Semantic Guidance (CSG) 메커니즘을 통해 의미 있는 개입이 하위 개념에 전파되도록 합니다.