Centaur：人类认知的基础模型
机器学习
2025-04-29 v3
摘要
建立统一的认知理论一直是心理学的一个主要目标。虽然之前曾有过通过构建计算模型来实例化此类理论的尝试，但我们目前还没有一个能够完整捕捉人类心智的模型。朝这个方向迈出的第一步是创建一个能够在广泛环境中预测人类行为的模型。在此我们介绍 Centaur，这是一个能够在任何可用自然语言表达的实验中预测和模拟人类行为的计算模型。我们通过在一个名为 Psych-101 的新型大规模数据集上微调最先进的语言模型来推导出 Centaur。Psych-101 达到了前所未有的规模，涵盖了 160 个实验中超过 60,000 名参与者的逐次试验数据，包含超过 10,000,000 次选择。Centaur 不仅比现有的认知模型更好地捕捉了留出参与者的行为，而且还能泛化到新的情境设定、结构性任务修改以及全新的领域。此外，我们发现微调后模型的内部表示与人类神经活动变得更加一致。综上所述，我们的结果表明，发现能够捕捉广泛领域人类行为的计算模型是可能的。我们相信此类模型为指导认知理论的发展提供了巨大潜力，并展示了一个案例研究来证明这一点。
引用
@article{arxiv.2410.20268,
title = {Centaur: a foundation model of human cognition},
author = {Marcel Binz and Elif Akata and Matthias Bethge and Franziska Brändle and Fred Callaway and Julian Coda-Forno and Peter Dayan and Can Demircan and Maria K. Eckstein and Noémi Éltető and Thomas L. Griffiths and Susanne Haridi and Akshay K. Jagadish and Li Ji-An and Alexander Kipnis and Sreejan Kumar and Tobias Ludwig and Marvin Mathony and Marcelo Mattar and Alireza Modirshanechi and Surabhi S. Nath and Joshua C. Peterson and Milena Rmus and Evan M. Russek and Tankred Saanum and Johannes A. Schubert and Luca M. Schulze Buschoff and Nishad Singhi and Xin Sui and Mirko Thalmann and Fabian Theis and Vuong Truong and Vishaal Udandarao and Konstantinos Voudouris and Robert Wilson and Kristin Witte and Shuchen Wu and Dirk Wulff and Huadong Xiong and Eric Schulz},
journal= {arXiv preprint arXiv:2410.20268},
year = {2025}
}