本论坛讨论的议题包括：

1. 大模型能够为因果学习带来什么？因果学习能为大模型带来什么
2. 因果推断的在业界的应用现状，业界对因果推断的要求是什么，如何评估因果推断方法的效用

本文旨在调研在智能运维领域中的关联分析与因果分析方法，本文的组织如下：

1. 首先我们将给出一个源自真实业界需求的案例场景。
2. 围绕该上述场景，我们将介绍该场景中可用的关联分析、因果分析方法，并给出相关的方法分类
3. 对于经典方法（基于频繁项挖掘）和与我们的研究相关的方法（基于图嵌入），本文也将列出相关的综述与论文列表。
4. 在本文的研究范围之外，本文也列出了“事件序列-事件序列”关联分析、“事件序列-时间序列”关联分析的相关方法。

• 调研近年因果发现的最新研究
• 将”因果发现”与”根因分析”以及”基于因果图的因果发现”等概念理清关系
• 从优化的角度重新看待三类因果发现算法, 这可以帮助我们借鉴已有方法到自己的工作中。
• 总结用于因果发现的各种包, 以及Github上star较多的Repositories