論文の概要: Predicting Program Comprehension with Foundation Models of Human Cognition
- arxiv url: http://arxiv.org/abs/2607.11372v2
- Date: Tue, 14 Jul 2026 07:22:01 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-15 14:59:31.879365
- Title: Predicting Program Comprehension with Foundation Models of Human Cognition
- Title（参考訳）: 人間の認知の基礎モデルによる予測プログラムの理解
- Abstract要約: これまでに9つのプログラム理解研究に対して,160の一般心理学実験に基づく基礎モデルCentaurを評価した。
我々は、Centaurが基本モデルよりも人間の反応パターンとより密に一致し、以前の試行や反応の情報への依存が著しく少なく、タスク関連の情報からの恩恵が大きいことを発見した。
- 参考スコア（独自算出の注目度）: 7.506391522879222
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Software engineering depends on the ability of developers to understand code, yet predicting how they do so remains an open challenge despite decades of research. Existing approaches rely either on simplified proxy measures that limit accuracy or on non-trivial measurements requiring elaborate experimental setups that are difficult to scale and apply in practice. In contrast, recent work in psychology suggests an alternative perspective: Instead of modeling task-specific phenomena directly, human behavior can be captured through cognitive regularities learned from large-scale behavioral data. This idea treats complex human behavior as the observable outcome of underlying cognitive processes that manifest consistently across tasks and domains. In this paper, we explore this perspective in the context of program comprehension. We evaluate Centaur, a foundation model trained on 160 general psychological experiments, on 9 previously published program-comprehension studies. We assess how well its predicted response distributions align with human response data and compare Centaur's performance to its base model, Llama 3.1. To better understand the source of its performance, we conduct ablation studies to isolate the contribution of different sources of information, such as the code artifacts, task-related context, and prior trials and participant responses. In a nutshell, we find that Centaur more closely aligns with human response patterns than its base model, is significantly less reliant on information from prior trials and responses, and benefits more from task-related information. These findings suggest that behavioral patterns learned from general psychological data can transfer to complex software engineering tasks such as program comprehension. More broadly, they point toward foundation models of human cognition as a basis for modeling developer behavior in software engineering.
- Abstract（参考訳）: ソフトウェアエンジニアリングは、開発者がコードを理解する能力に依存するが、その方法を予測することは、何十年もの研究にもかかわらず、オープンな課題である。
既存のアプローチは、正確さを制限する単純化されたプロキシ尺度か、実際に適用するのが困難である詳細な実験的なセットアップを必要とする非自明な測定に頼っている。
タスク固有の現象を直接モデル化するのではなく、人間の行動は大規模な行動データから学習した認知的規則性を通して捉えられる。
この考え方は、複雑な人間の振る舞いを、タスクやドメイン間で一貫して表される基礎となる認知プロセスの観測可能な結果として扱う。
本稿では,この視点をプログラム理解の文脈で考察する。
これまでに9つのプログラム理解研究に対して,160の一般心理学実験に基づく基礎モデルCentaurを評価した。
我々は,その予測応答分布が人間の反応データとどの程度一致しているかを評価し,CentaurのパフォーマンスをベースモデルであるLlama 3.1と比較した。
本研究の目的は,コードアーティファクトやタスク関連コンテキスト,事前のトライアルや参加者の反応など,さまざまな情報ソースのコントリビューションを分離するアブレーション研究を行うことである。
簡単に言えば、Centaurは基本モデルよりも人間の反応パターンと密に一致しており、以前の試行や反応の情報への依存が著しく少なく、タスク関連の情報から恩恵を受けている。
これらの結果は、一般的な心理学的データから学んだ行動パターンが、プログラム理解のような複雑なソフトウェア工学のタスクに移行できることを示唆している。
より広くは、ソフトウェア工学における開発者の振る舞いをモデル化する基盤として、人間の認知の基礎モデルを指している。
関連論文リスト
- From Pre-trained Models to Large Language Models: A Comprehensive Survey of AI-Driven Psychological Computing [45.96605393710063]
この調査では、アプリケーションドメインではなく、計算処理パターンによってAI駆動型心理学タスクを組織化する最初の系統分類を紹介した。
本稿では,タスク固有の特徴工学から伝達学習,少数ショット適応に至るまでの計算手法について検討する。
論文 参考訳（メタデータ） (2026-03-12T04:03:27Z) - HumanLLM: Towards Personalized Understanding and Simulation of Human Nature [72.55730315685837]
HumanLLMは個人のパーソナライズされた理解とシミュレーションのために設計された基礎モデルである。
私たちはまず、Reddit、Twitter、Blogger、Amazonといったプラットフォーム上で、現実世界のユーザデータをキュレートした大規模なコーパスであるCognitive Genomeを構築しました。
次に、多様な学習タスクを定式化し、教師付き微調整を行い、モデルの幅広い個人化された人間の行動、思考、経験を予測する。
論文 参考訳（メタデータ） (2026-01-22T09:27:27Z) - When Models Know More Than They Can Explain: Quantifying Knowledge Transfer in Human-AI Collaboration [79.69935257008467]
我々は,人間とAIの知識伝達能力に関する概念的かつ実験的フレームワークである知識統合と伝達評価(KITE)を紹介する。
最初の大規模人間実験(N=118)を行い,その測定を行った。
2段階のセットアップでは、まずAIを使って問題解決戦略を思いつき、その後独立してソリューションを実装し、モデル説明が人間の理解に与える影響を分離します。
論文 参考訳（メタデータ） (2025-06-05T20:48:16Z) - Decoding Susceptibility: Modeling Misbelief to Misinformation Through a Computational Approach [61.04606493712002]
誤報に対する感受性は、観測不可能な不検証の主張に対する信念の度合いを記述している。
既存の感受性研究は、自己報告された信念に大きく依存している。
本稿では,ユーザの潜在感受性レベルをモデル化するための計算手法を提案する。
論文 参考訳（メタデータ） (2023-11-16T07:22:56Z) - Machine Psychology [54.287802134327485]
我々は、心理学にインスパイアされた行動実験において、研究のための実りある方向が、大きな言語モデルに係わっていると論じる。
本稿では,本手法が表に示す理論的視点,実験パラダイム,計算解析技術について述べる。
これは、パフォーマンスベンチマークを超えた、生成人工知能(AI)のための「機械心理学」の道を開くものだ。
論文 参考訳（メタデータ） (2023-03-24T13:24:41Z) - AGENT: A Benchmark for Core Psychological Reasoning [60.35621718321559]
直観心理学は、観察可能な行動を駆動する隠された精神変数を推論する能力です。
他のエージェントを推論する機械エージェントに対する近年の関心にもかかわらず、そのようなエージェントが人間の推論を駆動するコア心理学の原則を学ぶか保持するかは明らかではない。
本稿では,プロシージャが生成する3dアニメーション,エージェントを4つのシナリオで構成したベンチマークを提案する。
論文 参考訳（メタデータ） (2021-02-24T14:58:23Z) - Model-agnostic Fits for Understanding Information Seeking Patterns in
Humans [0.0]
不確実な意思決定タスクでは、人間はそのタスクに関連する情報を探し、統合し、行動する際、特徴的なバイアスを示す。
ここでは,これらのバイアスを総合的に測定・分類した,大規模に収集した先行設計実験のデータを再検討した。
これらのバイアスを集約的に再現するディープラーニングモデルを設計し、個々の行動の変化を捉えます。
論文 参考訳（メタデータ） (2020-12-09T04:34:58Z) - Human Trajectory Forecasting in Crowds: A Deep Learning Perspective [89.4600982169]
本稿では,既存の深層学習に基づくソーシャルインタラクションのモデル化手法について詳細に分析する。
本稿では、これらの社会的相互作用を効果的に捉えるための知識に基づく2つのデータ駆動手法を提案する。
我々は,人間の軌道予測分野において,重要かつ欠落したコンポーネントであるTrajNet++を大規模に開発する。
論文 参考訳（メタデータ） (2020-07-07T17:19:56Z) - Jointly Predicting Job Performance, Personality, Cognitive Ability,
Affect, and Well-Being [42.67003631848889]
本研究では,身体的および生理的行動,心理的状態と特徴,職能を統合した個人予測分析のためのベンチマークを作成する。
我々は、データマイニング技術をベンチマークとして設計し、ウェアラブルセンサから得られた真のノイズと不完全なデータを用いて、12の標準化された精確なテストに基づいて19の構造を予測する。
論文 参考訳（メタデータ） (2020-06-10T14:30:29Z) - Uncovering the Data-Related Limits of Human Reasoning Research: An
Analysis based on Recommender Systems [1.7478203318226309]
認知科学は、理論駆動の観点から人間のような知性をモデル化する目的を追求している。
ソロジック推論は人間の推論研究のコアドメインの1つである。
最近のモデルの性能予測の結果、改善の停滞が明らかになった。
論文 参考訳（メタデータ） (2020-03-11T10:12:35Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。