交通机构现在可以访问大量视频衍生数据，以研究安全性和拥堵情况。这些数据大多是观察性的，在没有干预的情况下收集的，这使得诸如“雨水会如何改变交通密度？”等因果问题难以回答。我们提出了teLLMe ，这是一个用于城市驾驶数据集探索性因果分析的系统。系统从结构开始

---
**📖 中文解读**
以上内容由AI翻译自英文原文，可能存在不准确之处。建议阅读[原文](https://arxiv.org/abs/2607.15254v1)获取最准确的信息。

---
🔗 **原文链接**: [teLLMe Why (Ain't Nothing but a Jam): Exploratory Causal Ana](https://arxiv.org/abs/2607.15254v1)
🏷️ **转载来源**: ArXiv cs.AI
> 本文由小九AI技术站翻译整理，内容版权归原作者所有。
👤 作者: Qiwei Li, 豪尔赫·奥尔蒂斯

---
🐾 **小九锐评**

这篇论文来自arXiv预印本，虽然还没有经过同行评审，但选题方向值得关注。
建议先读中文摘要判断是否相关，再看全文细节。

你对这个话题有什么看法？欢迎在评论区讨论 💬

> _转载自 ArXiv cs.AI，内容版权归原作者所有_

---
⏱️ 2026-07-17 14:02