大语言模型与认知科学：相似性、差异性与挑战的综合综述
人工智能
2025-11-27 v7 计算与语言
摘要
本综合综述探讨了大型语言模型（LLM）与认知科学的交叉领域，考察了LLM与人类认知过程之间的相似性与差异性。我们分析了评估LLM认知能力的方法，并讨论了它们作为认知模型的潜在应用。综述涵盖了LLM在various认知领域的应用，突显了对认知科学研究所获的洞见。我们评估了LLM的认知偏见与局限性，以及改善其性能的 proposed 方法。LLM与认知架构的集成被考察，揭示了增强人工智能（AI）能力的有前景的途径。识别出关键挑战与未来研究方向，强调需持续细化LLM以更好地与人类认知保持一致。本综述提供了关于LLM在推进我们对人工与人类智能理解方面当前状态与未来潜力的平衡视角。
引用
@article{arxiv.2409.02387,
title = {Large Language Models and Cognitive Science: A Comprehensive Review of Similarities, Differences, and Challenges},
author = {Qian Niu and Junyu Liu and Ziqian Bi and Pohsun Feng and Benji Peng and Keyu Chen and Ming Li and Lawrence KQ Yan and Yichao Zhang and Caitlyn Heqi Yin and Cheng Fei and Tianyang Wang and Yunze Wang and Silin Chen and Ming Liu and Ziyuan Qin and Riyang Bao and Xinyuan Song and Zekun Jiang},
journal= {arXiv preprint arXiv:2409.02387},
year = {2025}
}
备注
10 pages, 1 figure