論文の概要: On the use of foundation models in cognitive science

• arxiv url: http://arxiv.org/abs/2608.07812v1
• Date: Fri, 07 Aug 2026 23:22:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-11 19:16:36.519595
• Title: On the use of foundation models in cognitive science
• Title（参考訳）: 認知科学における基礎モデルの利用について
• Abstract要約: 候補認知モデルとしてファンデーションモデルを使用すると、重要な方法論的および概念的な課題が生じる。 我々は、FMを認知的・発達的モデルとして評価するための4段階の推論フレームワークを具体化する。
• 参考スコア（独自算出の注目度）: 10.941781046160221
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: A host of recent studies have evaluated the cognitive and developmental alignment of Foundation Models (FMs). These investigations include evaluations of their correspondence to adult performance across a range of cognitive domains, as well as whether aspects of model training track children's cognitive development. However, using FMs as candidate cognitive models poses significant methodological and conceptual challenges. A key question underlies this effort: under what conditions does behavioral alignment justify treating FMs as explanatory models of cognition? In this paper, we articulate a four-stage inferential framework for evaluating FMs as cognitive and developmental models: adapting human experimental tasks to model-compatible formats, specifying linking hypotheses that map model outputs to human measures, evaluating behavioral correspondence, and comparing across candidate models or manipulations. We clarify the role of linking hypotheses in mapping model outputs to human behavioral measures, identify challenges that constrain alignment claims, and propose principles for theory-driven and comparative evaluation. Throughout, we argue that behavioral fit alone is insufficient. Alignment becomes scientifically meaningful only when embedded within explicit theoretical commitments, theory-diagnostic tasks, and systematic contrastive evaluation across candidate models.
• Abstract（参考訳）: 近年の研究では、ファンデーションモデル(FM)の認知的・発達的アライメントが評価されている。 これらの調査には、様々な認知領域にわたる成人のパフォーマンスに対する対応の評価や、モデルトレーニングの側面が子供の認知発達を追跡できるかどうかなどが含まれる。 しかし、FMを候補認知モデルとして用いることは、重要な方法論的および概念的課題を生じさせる。 行動アライメントの条件は、FMを認知の説明モデルとして扱うことを正当化するか? 本稿では,FMを認知的・発達的モデルとして評価するための4段階の推論フレームワークについて述べる。人間実験タスクをモデル互換形式に適応させ,モデル出力を人的尺度にマッピングする仮説の特定,行動対応の評価,候補モデルや操作間の比較などである。 モデル出力を人間の行動尺度にマッピングする際の仮説をリンクする役割を明らかにし、アライメントを制約する課題を特定し、理論駆動と比較評価の原則を提案する。 全体として、行動の適合性だけでは不十分である、と我々は主張する。 アライメントは、明示的な理論的なコミットメント、理論に依存しないタスク、および候補モデル全体にわたる体系的なコントラスト評価に埋め込まれた場合にのみ科学的に意味を持つ。

関連論文リスト

• Cognitive Profiling of LRMs' Reasoning Traces Using Bloom's Taxonomy [51.08110837378928]
  我々はブルームの分類学のレンズを通して推論ステップの自動アノテーションのためのフレームワークを導入する。 モデルとデータセットをまたいだ大規模な分析を行い、モデルとタスク間の思考パターンの類似点と相違点を明らかにします。 本研究は, LRMにおける思考パターンを解析するための微細な枠組みを確立し, 推論品質を向上させるための実用的な洞察を提供する。
  論文  参考訳（メタデータ） (2026-08-24T12:55:51Z)
• Evaluating Pragmatic Reasoning in Large Language Models: Evidence from Scalar Diversity [2.538209532048867]
  本研究は,複数のモデルおよび実験環境における直接確率測定とメタinguistic promptingの比較を行った。 その結果, 評価手法が相反する結果が得られず, 実用的行動はモデルファミリ, 促進戦略, タスク構造によって大きく異なることがわかった。
  論文  参考訳（メタデータ） (2026-05-09T16:28:50Z)
• Taming the Centaur(s) with LAPITHS: a framework for a theoretically grounded interpretation of AI performances [0.0]
  LAPITHS(Language Model Analysis through Paradigm Grounded Interpretations of Theses about Human likenesS)というフレームワークを導入する。 我々は、CENTAURのようなモデルによって先導されたいくつかの主要な主張が、人工認知の統一モデルとして提案され、理論的または経験論的に正当化されていないことを示すためにこれを使用する。
  論文  参考訳（メタデータ） (2026-04-30T14:29:50Z)
• Cognitive Foundations for Reasoning and Their Manifestation in LLMs [63.12951576410617]
  大規模言語モデル(LLM)は複雑な問題を解くが、単純な変種では失敗し、人間の推論と根本的に異なるメカニズムによって正しい出力を達成することを示唆している。 我々は認知科学研究を、推論不変量、メタ認知制御、推論と知識の組織化のための表現、変換操作にまたがる28の認知要素の分類学に合成する。 複雑な問題に対して66.7%の性能向上を図り、成功構造を自動的に把握するテストタイム推論ガイダンスを開発した。
  論文  参考訳（メタデータ） (2025-11-20T18:59:00Z)
• Machine Psychophysics: Cognitive Control in Vision-Language Models [0.0]
  我々は,3つの古典的コンフリクトタスクと,2,220回のトライアルにおいて,より要求の大きい「二乗」変異に対して108の視覚言語モデルを評価する。 結果は、現在のマルチモーダル基盤モデルにおいて、ある種の人間のようなエグゼクティブ関数が出現したことを示唆している。
  論文  参考訳（メタデータ） (2025-05-25T04:23:28Z)
• On the Reasoning Capacity of AI Models and How to Quantify It [0.0]
  大規模言語モデル(LLM)は、その推論能力の基本的な性質に関する議論を激化させている。 GPQAやMMLUのようなベンチマークで高い性能を達成する一方で、これらのモデルはより複雑な推論タスクにおいて制限を示す。 本稿では,モデル行動のメカニズムを解明するために,従来の精度指標を超える新しい現象論的手法を提案する。
  論文  参考訳（メタデータ） (2025-01-23T16:58:18Z)
• The potential -- and the pitfalls -- of using pre-trained language models as cognitive science theories [2.6549754445378344]
  PLMを認知科学理論として活用する上での課題について論じる。 我々は,PLM性能の指標を人的性能の尺度にマッピングするために研究者が用いた仮定をレビューする。 PLMを認知・認知発達の信頼できる指標として用いるための基準を列挙する。
  論文  参考訳（メタデータ） (2025-01-22T05:24:23Z)
• 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)
• Rethinking Model Evaluation as Narrowing the Socio-Technical Gap [47.632123167141245]
  モデル評価の実践は、この均質化によってもたらされる課題や責任に対処するために、重要なタスクを負わなければならない、と我々は主張する。 我々は,現実の文脈と人間の要求に基づく評価手法の開発をコミュニティに促す。
  論文  参考訳（メタデータ） (2023-06-01T00:01:43Z)
• Gender Biases in Automatic Evaluation Metrics for Image Captioning [87.15170977240643]
  画像キャプションタスクのためのモデルに基づく評価指標において、性別バイアスの体系的研究を行う。 偏りのある世代と偏りのない世代を区別できないことを含む、これらの偏りのあるメトリクスを使用することによる負の結果を実証する。 人間の判断と相関を損なうことなく、測定バイアスを緩和する簡便で効果的な方法を提案する。
  論文  参考訳（メタデータ） (2023-05-24T04:27:40Z)
• Are Neural Topic Models Broken? [81.15470302729638]
  トピックモデルの自動評価と人的評価の関係について検討する。 ニューラルトピックモデルは、確立された古典的手法と比較して、両方の点においてより悪くなる。
  論文  参考訳（メタデータ） (2022-10-28T14:38:50Z)
• Neural Causal Models for Counterfactual Identification and Estimation [62.30444687707919]
  本稿では,ニューラルモデルによる反事実文の評価について検討する。 まず、神経因果モデル(NCM)が十分に表現可能であることを示す。 第2に,反事実分布の同時同定と推定を行うアルゴリズムを開発する。
  論文  参考訳（メタデータ） (2022-09-30T18:29:09Z)

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。