論文の概要: A small cognitive core explains human behavior at scale
- arxiv url: http://arxiv.org/abs/2610.13603v1
- Date: Fri, 09 Oct 2026 13:51:05 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-13 04:06:29.607076
- Title: A small cognitive core explains human behavior at scale
- Title（参考訳）: 小さな認知コアが大規模に人間の行動を説明する
- Abstract要約: 私たちは、小さな認知コアが人間の行動の多くを担っていることを示しています。
このモデルには137の実験から7,036,442の選択肢がある。
シミュレーションによって報告された行動効果の75%を再現する。
- 参考スコア（独自算出の注目度）: 25.80288274036384
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Psychology has proposed many principles of cognition. Each, however, was developed in isolation, leaving their combined explanatory power unknown. We assembled a small set of established principles into one model, which we call COntextual Retrieval and Encoding (CORE). CORE consists of a hierarchy of episodic memories into which prediction errors are written and whose encoding, retrieval, and forgetting depend on context. Fitted jointly to 7,036,442 choices from 137 experiments, the model predicts human choices better than black-box models and reproduces 75% of reported behavioral effects when simulated. Moreover, its latent variables show classic signatures of Bayesian learning and event segmentation. Taken together, these findings suggest that a small cognitive core accounts for much of human behavior. They also open a path toward making psychology more than the sum of its parts, by building computational models on the entire experimental record.
- Abstract（参考訳）: 心理学は認知の多くの原則を提案してきた。
しかし、それぞれ独立して開発され、それぞれの説明力は明らかにされていない。
私たちは、Contextual Retrieval and Encoding (CORE)と呼ばれる、確立された原則の小さなセットを1つのモデルにまとめました。
COREは、予測エラーが書かれ、そのエンコーディング、検索、および忘れ忘れがコンテキストに依存するエピソード記憶の階層から構成される。
137の実験から7,036,442の選択肢と組み合わせて、モデルはブラックボックスモデルよりも人間の選択を予測し、シミュレーション時に報告された行動効果の75%を再現する。
さらに、その潜伏変数はベイズ学習とイベントセグメンテーションの古典的なシグネチャを示す。
これらの結果は、小さな認知コアが人間の行動の多くを担っていることを示唆している。
彼らはまた、実験記録全体の計算モデルを構築することによって、その部分の合計以上の心理学を作るための道を開く。
関連論文リスト
- CogGym: Towards Large-Scale Comparative Evaluation of Human and Machine Cognition [66.8415515346664]
モデルと人間の振る舞いをマッチング実験で比較するフレームワークであるCogGymを紹介した。
CogGymは、多種多様な実験パラダイムを標準化するために、半自動化されたループパイプラインを使用する。
私たちは、より大規模で最近のAIモデルが人間の判断をより良く再現する、明確なスケーリングトレンドを見つけました。
論文 参考訳（メタデータ） (2026-09-18T03:18:04Z) - Automatic Adaptation to Concept Complexity and Subjective Natural Concepts: A Cognitive Model based on Chunking [45.88028371034407]
我々は,CogAct計算モデルが認知過程や構造における概念学習の基盤となる方法を示す。
我々は、概念学習実験とシミュレーションのための人間のベンチマークを設計する新しい方法を提供する。
私たちのアプローチは、平均的な参加者のモデリングから遠ざかる心理学的応用にも使われるかもしれません。
論文 参考訳（メタデータ） (2025-12-21T09:43:20Z) - Centaur: a foundation model of human cognition [39.597528413316205]
本稿では,自然言語で表現可能な実験において,人間の行動を予測する計算モデルCentaurを紹介する。
我々は、サイコ-101と呼ばれる新しい大規模データセットに基づいて、最先端の言語モデルを微調整することでCentaurを導出した。
論文 参考訳（メタデータ） (2024-10-26T20:39:41Z) - Model-based analysis of brain activity reveals the hierarchy of language
in 305 subjects [82.81964713263483]
言語の神経基盤を分解する一般的なアプローチは、個人間で異なる刺激に対する脳の反応を関連付けている。
そこで本研究では,自然刺激に曝露された被験者に対して,モデルに基づくアプローチが等価な結果が得られることを示す。
論文 参考訳（メタデータ） (2021-10-12T15:30:21Z) - From internal models toward metacognitive AI [0.0]
前頭前皮質では、「認知現実監視ネットワーク」と呼ばれる分散型エグゼクティブネットワークが、生成的逆モデルペアの意識的な関与を編成する。
高い責任信号は、外界を最も捉えているペアに与えられる。
意識はすべての対における責任信号のエントロピーによって決定される。
論文 参考訳（メタデータ） (2021-09-27T05:00:56Z) - 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) - Compositional Explanations of Neurons [52.71742655312625]
本稿では, 合成論理的概念を同定し, 深部表現におけるニューロンの説明手順について述べる。
本稿では,視覚と自然言語処理のモデルにおける解釈可能性に関するいくつかの疑問に答えるために,この手順を用いる。
論文 参考訳（メタデータ） (2020-06-24T20:37:05Z)
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。