cognitive-science

文章解释了软件应该设计得符合人类认知系统，特别是快速直觉和慢速注意过程，以提高效果和用户体验。

This perspective paper from arXiv articulates a four-stage inferential framework for evaluating foundation models as cognitive and developmental models, emphasizing that behavioral alignment alone is insufficient and must be embedded within theoretical commitments and contrastive evaluation.

受认知科学启发的新型神经形态AI框架，其任务完成效率可能高于现有方法。

本文研究在人类行为数据上微调的小型基础模型是否可以作为认知代理，发现规模在分布内影响甚微，但较大模型在分布外具有更好的泛化能力。

本文介绍了预测集合论，这是一种用于认知架构的形式化生成框架，它从集合论操作出发重构认知，并解决了预测加工和贝叶斯认知科学中的局限性。

This paper critiques recent methods claiming abstraction-first learning in large language models, showing that pure exemplar models can mimic abstraction-first learning depending on input distributional properties.

研究人员评估了九个前沿视觉-语言模型在两个心理理论任务（Keysar指导者任务和Frith-Happé动画三角形）中的表现，发现模型在不同任务间呈现碎片化、不一致的ToM特征，而非匹配单一的成人参照组。模型在指导者任务上倾向于像儿童一样犯以自我为中心的错误，并在三角形任务上像高功能自闭症成人一样低估意图归因。

一篇百科条目，解释心智的计算理论，该理论认为心智是一个计算系统。内容涵盖图灵机、认知科学中计算主义的历史，以及来自对立范式的挑战。

本文研究了像欧拉图和线性图这样的图表表示法是否能够改善LLM在三段论任务上的推理能力，结果发现与自然语言或逻辑符号表示相比，其益处有限。

本文提出了一种面向大型语言模型的多层分类法，包含14个能力域和91个子技能，借鉴人类认知科学来组织超越孤立任务的LLM评估。通过映射主要AI会议上的15,934篇论文，展示了其实用性，揭示了语言语义能力和推理的集中关注，同时识别出探索不足的领域。

本书探讨了代数模型与深度学习在自然语言习得中的作用，汇集了计算语言学、心理学和数理语言学领域顶尖研究者的观点。

本文研究大语言模型是否具有处理生命性概念的局部因果机制，通过在最小对上进行电路发现；他们发现了一个分布式的且仅部分泛化的生命性电路。

本文论证通用智能需要在多个描述层级上存在不可约的约束条件，并阐述了其对人工智能和认知科学领域的理论意义。

本文通过分析EEG信号和事件相关电位(ERP)，探究语言模型的下一词预测是否与人类认知处理一致，发现只有surprisal与人类大脑反应相关，尤其是对于开放类词汇。

本文区分了LLM智能体中的工具使用与工具发现，将发现分解为好奇心、识别和效率。介绍了Lomekwi框架，并在组合游戏中展示了识别能力随模型大小的逆缩放。

《哈佛商业评论》文章探讨AI工具如何削弱批判性思维，并提出设计原则以强化人类推理能力。

本研究表明，语境语义相关性（衡量一个词与其近期语义上下文的关联强度）能够可靠地预测两个数据集中自然言语理解过程中的fMRI BOLD响应，而意外度（局部概率期望）则不能。研究结果支持缓慢的血流动力学响应对语境语义整合（而非局部预测）尤为敏感。

一项新的基准测试EgoBabyVLM挑战AI视觉语言模型，要求它们从婴儿头戴摄像头拍摄的视频中学习，结果显示当前的AI模型无法匹敌婴儿的学习效率，并表明类似婴儿的学习架构可能带来更高效的AI。

本研究使用语义熵（一种基于NLP嵌入的度量），比较盲人与明眼人的语义记忆导航。结果表明，视觉经验影响熵的模式：明眼人对抽象概念的熵更高，而盲人对视觉显著性具体概念的熵更高。

本文提出了一种基于贝叶斯框架的互懂性模型（即无需训练即可理解相关语言），采用噪声信道方法。该模型在三种语言对上的预测与人类行为进行了比较，显示出比更大的零样本模型更一致的结果。