ИССЛЕДОВАНИЕ · RESEARCH · #1501
Метод уточнения программ под гипотезы с агентами LLM для поиска когнитивных алгоритмов
Авторы предлагают гибридный конвейер: человеческие когнитивные модели формализуют как вероятностные программы, после чего агенты LLM находят несоответствия с поведенческими данными, предлагают корректировки кода в заданных ограничениях и проверяют структуру, а модуль вероятностного вывода пересчитывает латентные переменные. На данных по решению задач людьми обновлённые модели стабильно улучшали соответствие и выявляли небольшой набор повторяющихся новаций, объясняющих вариативность поведения.
КЛЮЧЕВЫЕ ТЕЗИСЫ
- Авторы предлагают гибридный конвейер: человеческие когнитивные модели формализуют как вероятностные программы, после чего агенты LLM находят несоответствия с поведенческими данными, предлагают корректировки кода в заданных ограничениях и проверяют структуру, а модуль вероятностного вывода пересчитывает латентные переменные.
- На данных по решению задач людьми обновлённые модели стабильно улучшали соответствие и выявляли небольшой набор повторяющихся новаций, объясняющих вариативность поведения.
- Метод сочетает гибкость LLM с интерпретируемостью вероятностных моделей, что может связать масштабируемый поиск моделей с корректным вероятностным выводом.
ПОЧЕМУ ЭТО ВАЖНО
Метод сочетает гибкость LLM с интерпретируемостью вероятностных моделей, что может связать масштабируемый поиск моделей с корректным вероятностным выводом.