人类与大型语言模型中的概念泛化：来自数字游戏的洞见
人工智能
2025-12-24 v1
摘要
我们比较了人类和大型语言模型 (LLM) 在数字游戏中的概念泛化能力。我们以贝叶斯模型为分析框架，检验了人类和 LLM 的归纳偏置和推理策略。贝叶斯模型比 LLM 更好地捕捉了人类行为，因为人类能够灵活地推断基于规则和基于相似性的概念，而 LLM 主要依赖数学规则。人类还表现出从单个例子即可进行 few-shot 泛化，而 LLM 需要更多样本才能实现泛化。这些对比凸显了人类和 LLM 推理和概念泛化方式的根本差异。
引用
@article{arxiv.2512.20162,
title = {Concept Generalization in Humans and Large Language Models: Insights from the Number Game},
author = {Arghavan Bazigaran and Hansem Sohn},
journal= {arXiv preprint arXiv:2512.20162},
year = {2025}
}