cognitive-modeling

介绍了Epi2Diff，一个将LLM推理轨迹映射为认知片段以预测人类题目难度的框架，其性能优于基线方法，并提供可解释的过程证据。

介绍轨迹外推误差，这是一种从变换器语言模型隐藏状态导出的度量，它独立于惊讶度且与其正交地预测人类阅读时间，揭示了增量处理成本中一个可分离的成分。

本文提出了一种基于迭代状态变换和语义等价的认知过程建模的结构动力学框架，融合了动力系统、范畴论和反馈机制，将认知建模为朝着稳定解释演化的过程。

本文介绍了使用来自wav2vec 2.0的语音熵对RAMPHO情节缓冲区进行计算机模拟，以分离多说话人环境中的信息掩蔽和能量掩蔽，揭示了一个认知-声学帕累托优化问题。

HumanLLM 提出了一个框架，通过将心理模式建模为相互作用的因果力来对大语言模型的拟人化进行基准测试和改进。该方法从学术文献中构建了244个心理模式和11,359个多模式场景。研究表明，真正的人类对齐需要认知建模而非表面行为模拟，HumanLLM-8B 在多模式动态上的表现超越了 Qwen3-32B 等更大的模型。