神经符号逆向规划引擎（NIPE）：基于语言输入的概率社会性推断建模

人类是社会性生物。我们 routinely 对其他智能体进行推理，而这种社会推理的一个关键组成部分是在了解他人行为时推断其目标。在许多情境中，我们能够从关于智能体、行为及背景环境的语言描述中做出直观而可靠的目标推断。本文中，我们研究在概率目标推断领域中语言驱动并影响社会推理的这一过程。我们提出一种神经符号模型，该模型从智能体场景的语言输入执行目标推断。其“神经”部分是一个将语言描述翻译为代码表示的大语言模型（LLM），而“符号”部分是一个贝叶斯逆向规划引擎。为测试我们的模型，我们设计并开展了一项关于语言目标推断任务的人类实验。我们的模型紧密匹配人类反应模式，并且比单独使用 LLM 更能预测人类判断。