NL2CA: 基于无监督批判树框架 NL2LTL 的从自然语言自动形式化认知决策
人工智能
2025-12-23 v1 符号计算
摘要
认知计算模型以形式化且可解释的方式刻画人类 deliberation 与决策过程, 但其开发仍需大量人力. 本文提出 NL2CA, 一个 novel 方法, 用于从人类经验的自然语言描述中自动形式化认知决策规则. 与大多数相关工作依赖纯手动或人类引导式交互建模不同, 本方法完全自动化, 无需任何人工干预. 方法首先通过微调的大型语言模型(LLM) 将文本翻译为线性时序逻辑(LTL), 随后通过无监督批判树(Critic Tree) 对逻辑进行细化, 最后将输出转换为与符号认知框架兼容的可执行生产规则. 基于生成的规则, 构建认知智能体, 并通过认知强化学习根据真实世界行为数据进行优化. 本方法在两个领域验证: (1) NL-to-LTL 翻译, 其中 CriticNL2LTL 模块在无需人类-in-the-loop feed-back 的情况下, 在expert 和 large-scale benchmarks 上均实现一致性能; (2) 认知驾驶模拟, 来自人类访谈的自动构建智能体成功学习了约 70 种不同关键情景下的决策模式. 实验结果表明, NL2CA 使从非结构化文本数据中实现可扩展、可解释且符合人类认知的认知建模成为可能, 为自动设计符号认知智能体提供了新范式.
引用
@article{arxiv.2512.18189,
title = {NL2CA: Auto-formalizing Cognitive Decision-Making from Natural Language Using an Unsupervised CriticNL2LTL Framework},
author = {Zihao Deng and Yijia Li and Renrui Zhang and Peijun Ye},
journal= {arXiv preprint arXiv:2512.18189},
year = {2025}
}