尚未达到AlphaFold for the Mind：评估Centaur作为合成参与者
偏微分方程分析
2026-04-03 v2
摘要
模拟器正在自然科学领域彻底变革实践方式。通过生成可靠接近真实世界现象的数据，模拟器使科学家能够加速假设检验并优化实验设计。这一点最明显的例子是AlphaFold，这是化学领域的一项诺贝尔奖-winning simulator，通过氨基酸序列预测蛋白质结构，使快速原型设计分子相互作用、药物靶点和蛋白质功能成为可能。在行为科学中，一个可靠的参与者模拟器——即能够在认知任务中产生类人行为的系统——将代表同样变革性的进展。最近，Binz 等人提出了 Centaur，这是一个大型语言模型（LLM），其在来自160项实验的人类数据上进行微调，提出其不仅可用作认知模型，还可作为"in silico 实验研究的参与者模拟器"，例如，用于推进自动认知科学。本文回顾了参与者模拟器的核心准则，并评估了 Centaur 是否满足这些准则。尽管 Centaur 在预测准确性方面表现出色，但其生成行为——这是参与者模拟器的关键准则——与人类数据系统性地偏离。这表明尽管 Centaur 是迈向预测人类行为的重要一步，但尚不足以成为可靠的参与者模拟器或认知模型。
引用
@article{arxiv.2508.07886,
title = {A Hamilton-Jacobi approach for the evolutionary dynamics of a model with gene transfer: characterizing monomorphic dynamics for non-concave fitness functions},
author = {Alejandro Gárriz and Sepideh Mirrahimi},
journal= {arXiv preprint arXiv:2508.07886},
year = {2026}
}