理解基于贝叶斯心智理论的语言认知模型用于解释认知语言
计算与语言
2025-04-21 v2 人工智能
摘要
人们如何理解和评估关于他人信念的陈述，尽管这些信念无法直接观察？本文引入一种基于贝叶斯推理关于其他代理目标、信念和意图的认知模型，用于解释认知语言，称为语言增强型贝叶斯心智理论 (LaBToM)。通过将自然语言翻译为受语法约束的大语言模型解码的认知“思维语言”，然后将这些翻译与通过反转理性行为和感知生成模型所产生的推断进行比较，LaBToM 捕捉认知主张的分级合理性判断。我们在一个实验中验证了该模型：参与者观看一个代理人在寻找出口钥匙的迷宫导航过程中放置钥匙的场景，然后对关于该代理人信念的句子进行评级。与多模态大语言模型 (GPT-4o、Gemini Pro) 和被削减模型相比，我们的模型对广泛的表达表现出高度的相关性，包括情态语言、不确定性表达、知识主张、可能性比较以及虚假信念归因。
引用
@article{arxiv.2408.12022,
title = {Understanding Epistemic Language with a Language-augmented Bayesian Theory of Mind},
author = {Lance Ying and Tan Zhi-Xuan and Lionel Wong and Vikash Mansinghka and Joshua B. Tenenbaum},
journal= {arXiv preprint arXiv:2408.12022},
year = {2025}
}
备注
23 pages; Published at the Transactions of the Association for Computational Linguistics (TACL); Presented at NAACL 2025