Predicting and Understanding Human Action Decisions: Insights from Large Language Models and Cognitive Instance-Based Learning
University of Dayton（代顿大学）；Carnegie Mellon University（卡内基梅隆大学）
本文比较LLMs与认知IBL模型在两个序列决策任务中预测人类行为的能力，发现LLMs反馈整合更快，而IBL更能捕捉探索行为与损失厌恶，支持二者融合建模。
2024-08-05 cs.AI
Theory of Cognitive Relativity: A Promising Paradigm for True AI
Beijing University of Technology（北京工业大学）
深度学习的兴起将人工智能（AI）带到了前沿。人工智能的最终目标是实现具有人类思维和意识的机器，但现有成果主要是在计算机平台上模拟智能行为。这些成就都属于弱人工智能，而不是强人工智能。如何实现强大的AI在智能科学领域还不清楚。目前，这一领域正在呼唤一种新的范式，特别是认知相对论。TCR旨在总结一套简单而优雅的关于智能本质的第一原则，至少包括世界相对性原则和符号相对性原则。世界相对性原理指出，智能代理可以观察到的主观世界受到它感知客观世界的方式的强烈约束。符号相对性原理指出，智能体可以使用任何物理符号系统来表达它在主观世界中观察到的东西。这两个原则是从科学事实和生活经验中得出的。思想实验表明，它们对于理解高水平智力很重要，对于建立科学的心理和意识理论也是必要的。TCR确实主张实现真正的人工智能，即人工通用智能或人工意识，而不是类脑智能，这是一个有希望的方向变化，特别是不同于人类和动物的人工智能。此外，TCR信条已经提出并扩展到揭示意识的秘密和指导意识机器的实现。在这个意义上，真正的人工智能可以以一种与大脑不同的方式来实现，TCR可能会结合一些额外的第一原则来推动一场智能革命。
2018-12-20 cs.AI
Impact of different belief facets on agents' decision -- a refined cognitive architecture to model the interaction between organisations' institutional characteristics and agents' behaviour
University of Otago（奥塔哥大学）；Norwegian University of Science and Technology（挪威科技大学）
本文提出了一个概念上的细化代理认知架构的启发，从信念-欲望-意图（BDI）和计划行为理论（TPB）模型，强调不同的信念方面。这使我们能够调查人格的影响，以及代理人如何权衡其内部信念和社会制裁对代理人行为的影响。本研究还使用了与制度公平性相关的认知失调的概念来调查代理人的行为。为了展示我们的模型，我们模拟了两个历史上的长途贸易社会，即新朱尔法的亚美尼亚商人和英国东印度公司。研究结果表明，内部信念的代理人作为一个关键方面，以下制度规则的重要性。
2020-08-07 cs.AI
Rules or Weights? Comparing User Understanding of Explainable AI Techniques with the Cognitive XAI-Adaptive Model
National University of Singapore（新加坡国立大学）；Department of Computer Science（计算机科学系）
本文提出CoXAM模型，通过认知框架比较规则与权重两种XAI技术的可解释性，并验证其在决策任务中的有效性。
2026-02-23 cs.AI
Exploring Conversational Agents as an Effective Tool for Measuring Cognitive Biases in Decision-Making
University College Dublin（都柏林大学学院）
本文研究利用对话智能体自动测量决策中的认知偏差，提出融合现有实验设计的偏差测量机制，并通过初步实验验证其在测量框架效应和损失厌恶偏差上的有效性。
2024-01-08 cs.AI cs.HC
Symptom based Hierarchical Classification of Diabetes and Thyroid disorders using Fuzzy Cognitive Maps
St. Francis Institute of Technology（圣弗朗西斯理工学院）
模糊认知图（FCM）是一种软计算技术，它遵循类似于人类推理和人类决策过程的方法，使其成为一种有价值的建模和仿真方法。医疗决策系统是一个复杂的系统，由许多因素组成，这些因素可能是互补的，矛盾的，竞争的;这些因素相互影响，并以不同的程度决定整体诊断。因此，FCM适合于医疗决策支持系统的建模。因此，拟议的工作使用以分层结构排列的FCM对糖尿病、甲状腺疾病及其亚型进行分类。亚型包括1型和2型糖尿病和甲状腺功能亢进症和甲状腺功能减退症的甲状腺。
2021-08-08 cs.AI
Cognitive Bias in Decision-Making with LLMs
University of California, San Diego（加利福尼亚大学圣迭戈分校）；MIT-IBM Watson AI Lab（麻省理工学院-IBM沃森人工智能实验室）
针对大语言模型存在类人认知偏差、影响决策公平可解释的问题，研究提出BiasBuster框架，构建含13465条提示的数据集评估偏差，提出自助式去偏差方法，可有效缓解多类模型的认知偏差且无需手动构造示例。
2024-10-03 cs.AI cs.CL
MACBT: A Multi-Agent Cognitive Behavioral Therapy Decision Support System with Longitudinal Memory
Tsinghua University（清华大学）；Hangzhou Municipal Health Commission（杭州市卫生健康委员会）；Hangzhou Women’s Hospital (Hangzhou Maternity and Child Health Care Hospital)（杭州市妇产科医院（杭州市妇幼保健院））；Hangzhou Fushu Health Technology Co., Ltd（杭州福树健康科技有限公司）
提出MACBT多智能体认知行为治疗决策支持系统，结合CD Memory纵向记忆模块，追踪认知扭曲并生成报告，经GPT-4评估优于现有系统，会话质量提升12.6%。
2026-09-28 cs.AI
Decision making in dynamic and interactive environments based on cognitive hierarchy theory, Bayesian inference, and predictive control
University of Michigan（密歇根大学）
在本文中，我们描述了一个集成的框架，自主决策的动态和交互式的环境。我们的自我代理和它的操作环境之间的相互作用建模为两个球员的动态博弈，并集成认知行为模型，贝叶斯推理，滚动时域最优控制定义一个动态演变的决策策略的自我代理。代表自主车辆控制在三个交通场景中的自主自我车辆与人类驾驶的车辆相互作用的仿真例子报告。
2019-09-18 cs.AI cs.RO
From Cognitive to Computational Modeling: Text-based Risky Decision-Making Guided by Fuzzy Trace Theory
The University of Auckland（奥克兰大学）
由于内在的个体差异和非理性，理解，建模和预测人类风险决策是具有挑战性的。模糊迹理论（FTT）是一种强大的范式，它通过结合要点来解释人类决策，即，信息的模糊表示，只捕捉其本质意义。受Broniatowski和Reyna的FTT认知模型的启发，我们提出了一个计算框架，它结合了底层语义和情感对基于文本的决策的影响。特别是，我们引入类别2-向量学习分类主义者和分类情绪，并展示了如何优化我们的计算模型，以预测群体和个人的风险决策。
2022-05-15 cs.AI cs.CL
NL2CA: Auto-formalizing Cognitive Decision-Making from Natural Language Using an Unsupervised CriticNL2LTL Framework
NL2CA通过自动形式化自然语言描述的认知决策规则，实现无监督学习下的认知代理构建与优化，提升认知建模的可解释性和可扩展性。
2025-12-20 cs.AI cs.SC
CoAX: Cognitive-Oriented Attribution eXplanation User Model of Human Understanding of AI Explanations
National University of Singapore（新加坡国立大学）
本文通过认知建模分析不同XAI方法在结构化数据推理中的策略，发现模型能更准确拟合人类决策，为改进AI解释的可理解性提供新思路。
2026-04-30 cs.AI
Exploring Cognitive Attributes in Financial Decision-Making
Drexel University（德雷塞尔大学）
针对现有AI对齐研究忽视个体认知属性的问题，本文分析相关文献、建立五项定义标准并分类19项金融决策相关认知属性，为开发对齐人类金融决策的元认知AI模型提供基础。
2025-04-11 cs.AI cs.CE cs.CY
Modeling Human Behavior Part II -- Cognitive approaches and Uncertainty
Universitá di Pisa（比萨大学）；Institute for Informatics and Telematics (IIT), National Research Council (CNR)（国家研究委员会信息与电信研究所）
正如我们在本主题的第一部分中所讨论的，人们显然希望建模和理解人类行为。鉴于人类推理作为学习和决策标准的流行假设，在人工系统中复制这些先天人类能力的研究已经做出了重大努力，并且趋势日益增长。在第一部分中，我们讨论了学习方法，这些方法通过探索系统和基于表现出的行为的反馈生成行为模型，以及与使用或解释与适用技能或精神状态相关的信念相关的主题。他人。在这项工作中，我们将继续从方法的角度进行讨论，这些方法专注于人类推理中所表现出的假设认知能力，局限性和偏见。我们将安排这些主题如下：（i）方法，如认知架构，认知逻辑学，以及相关的展示认知资源限制的假设，以及如何影响决策和（ii）方法产生和利用偏见或不确定性的表示来模拟人类决策或决策的未来结果。
2022-05-13 cs.AI
Conflict Transformation and Management. From Cognitive Maps to Value Trees
CNRS-LAMSADE, PSL, Université Paris Dauphine（法国国家科学研究中心-拉马萨德实验室，巴黎文理研究大学，巴黎多芬大学）；Fenner School of Environment, Australian National University（澳大利亚国立大学芬纳环境学院）
本研究针对高风险冲突转化与管理决策需求，提出将认知图谱转化为价值树的通用问题结构化框架，以设计导向的决策支持方法构建创新解决方案，实现问题从描述性表征到规范性表征的转变，结论适用范围更广。
2023-12-13 cs.AI
Large Language Newsvendor: Decision Biases and Cognitive Mechanisms
School of Business Administration, South China University of Technology（华南理工大学商学院）；Department of Decisions, Operations and Technology, The Chinese University of Hong Kong（香港中文大学决策、运营与技术系）
研究分析大语言模型在新闻供应商问题中的决策偏差，发现其放大人类认知偏差，提出通过结构化提示优化AI决策可靠性。
2025-12-14 cs.AI
Patterns of Cognition: Cognitive Algorithms as Galois Connections Fulfilled by Chronomorphisms On Probabilistically Typed Metagraphs
有人认为，一个广泛的类AGI相关的算法可以表示在一个共同的形式化框架，通过指定伽罗瓦连接连接搜索和优化过程的有向元图的边缘目标标记的概率依赖类型，然后显示这些连接的过程中，涉及元图的时间形态。例子来自OpenCog AGI框架中使用的核心认知算法：概率推理，进化程序学习，模式挖掘，凝聚聚类，模式挖掘和非线性动态注意力分配。提出的分析涉及代表这些认知算法的递归离散决策过程，涉及优化功能定义的元图，其中的关键决策涉及抽样的概率分布元图和选定的子元图制定的组合操作集。在认知过程中所涉及的组合操作的相互关联性往往发挥关键作用，使分解的过程中折叠和展开操作;的结论，有一些实际的影响的细节的认知过程，例如，militating对使用可逆的逻辑和可逆的程序执行。它还观察到，这种相互关联性举行，有一个对齐的层次结构的子目标在递归决策过程中使用的执行和层次结构的子模式定义的正式模式理论。
2021-02-21 cs.AI
Quantum Cognitively Motivated Decision Fusion for Video Sentiment Analysis
The Open University（开放大学）；University of Padua（帕多瓦大学）；Queensland University of Technology（昆士兰科技大学）；Beijing Institute of Technology（北京理工大学）
视频情感分析作为一个决策过程本身是复杂的，涉及到多个模态的决策融合和由此引起的认知偏差。受量子认知最新进展的启发，我们证明了一种模态的情感判断可能与另一种模态的判断不相容，即，秩序很重要，不能通过共同衡量来产生最终决定。因此，认知过程表现出经典概率论无法捕捉的“量子式”偏差。因此，我们提出了一个全新的，量子认知动机的融合策略来预测情感判断。特别是，我们制定的话语作为量子叠加态的积极和消极的情绪判断，和单峰分类相互不兼容的观测值，在复值希尔伯特空间与正算子值的措施。在两个基准数据集上的实验表明，我们的模型显着优于各种现有的决策层和一系列最先进的内容级融合方法。结果还表明，不兼容的概念允许有效地处理所有的组合模式，包括那些极端的情况下，错误地预测所有的单峰分类。
2021-05-18 cs.AI cs.CL
Are AI Decision Models Biased? A Case Study of Jev
Bocconi University（博科尼大学）
本研究评估AI决策模型Jev，发现其虽在认知反射任务中表现良好、较少出现人类典型偏见，但对无关信息敏感，在概率问题改编版中54%的响应违反概率规则，提示仅靠基准评估会高估其可靠性。
2026-10-14 cs.AI
ORDDAR: Observation-Driven Reasoning for Distortion-Resilient Decision, Action, and Cognitive Recovery
Indian Institute of Technology Kharagpur（印度理工学院卡拉格普尔分校）；Google Research（谷歌研究院）
本研究提出ORDDAR推理框架，通过局部认知状态转换检测、失真定位与针对性修复，提升了多类推理任务的质量、恢复能力与可解释性。
2026-09-01 cs.AI cs.LG
Using Cognitive Models to Improve Language Model Simulation of Human Persuasion Games
Princeton University（普林斯顿大学）
提出方程到行为提示和强化学习方法，使语言模型匹配认知模型（如贝叶斯更新、动机推理），在说服博弈中提升模拟人类决策多样性的能力。
2026-06-17 cs.AI
To Trust or to Think: Cognitive Forcing Functions Can Reduce Overreliance on AI in AI-assisted Decision-making
Harvard University（哈佛大学）；Lodz University of Technology（罗兹工业大学）
由人工智能驱动的决策支持工具支持的人经常过度依赖人工智能：他们接受人工智能的建议，即使该建议是错误的。在人工智能决策中添加解释似乎并不能减少过度依赖，一些研究表明，它甚至可能会增加过度依赖。根据认知的双过程理论，我们认为，人们很少对每个人工智能建议和解释进行分析，而是对是否以及何时遵循人工智能建议进行一般性的分析。基于先前对医疗决策的研究，我们设计了三种认知强迫干预措施，以迫使人们更仔细地参与人工智能生成的解释。我们进行了一项实验（N=199），将我们的三种认知强迫设计与两种简单可解释的人工智能方法和一种无人工智能基线进行了比较。结果表明，与简单的可解释AI方法相比，认知强迫显著降低了过度依赖。然而，有一个权衡：人们给那些最能减少过度依赖的设计分配了最不有利的主观评级。为了审计我们对干预产生的不平等的工作，我们调查了我们的干预是否平等地使具有不同认知需求水平的人受益（即，积极参与有意义的心理活动）。我们的研究结果表明，平均而言，认知强迫干预使参与者在认知需求方面受益更多。我们的研究表明，人类的认知动机会调节可解释的人工智能解决方案的有效性。
2021-02-19 cs.AI cs.HC
Cross-Fitted Residual Utility for Primary-Preserving Cognitive Decision Correction in Automatic Modulation Classification
School of Mathematical Sciences, University of Electronic Science and Technology of China（电子科技大学数学科学学院）；School of Information and Communication Engineering, University of Electronic Science and Technology of China（电子科技大学信息与通信工程学院）
该研究针对自动调制分类的推理后决策校正问题，提出交叉拟合残差效用与保留主决策的认知策略，在多数据集上提升了分类准确率，且在多种信道干扰场景下表现稳定。
2026-08-04 cs.AI
Cognitive LLMs: Towards Integrating Cognitive Architectures and Large Language Models for Manufacturing Decision-making
The Pennsylvania State University（宾夕法尼亚州立大学）；Bosch Center for Artificial Intelligence（博世人工智能中心）；Carnegie Mellon University（卡内基梅隆大学）
针对大语言模型在制造决策中存在的幻觉、缺乏充分依据等问题，提出融合ACT-R认知架构与LLM的神经符号架构LLM-ACTR，在制造设计任务上相较纯LLM基线实现了任务性能和决策依据性的双重提升。
2024-08-17 cs.AI cs.CL cs.SC
Cognitive science as a source of forward and inverse models of human decisions for robotics and control
Princeton University（普林斯顿大学）
那些设计与人类互动的自主系统的人将不可避免地面临人类如何思考和决策的问题。幸运的是，计算认知科学使用那些具有优化和控制背景的人所熟悉的工具（例如，概率论、统计机器学习和强化学习）。在这里，我们回顾了其中的一些工作，重点是认知科学如何提供人类决策的正向模型和人类如何思考他人决策的反向模型。我们强调了相关的最新发展，包括综合黑盒和理论驱动的建模方法，重新铸造作为有界最优的形式，和模型，表征人类的心理理论和沟通决策理论的帐户。在这样做的过程中，我们的目标是为读者提供一系列的框架，方法，以及位于认知科学和控制研究的交叉点的可操作的见解一瞥。
2021-09-01 cs.AI cs.RO cs.SY
Metacognitive Agents for Ethical Decision Support: Conceptual Model and Research Roadmap
University of Birmingham（伯明翰大学）
当意图和行动之间存在差异时，就存在道德价值-行动差距。这种差异可能是由社会和结构性障碍以及认知偏见造成的。认知和情感的计算模型可以提供对价值-行动差距以及如何缩小差距的见解。特别是，元认知（“思考思考”）在许多这些模型中扮演着重要的角色，作为一种自我调节和推理心理态度的机制。本文概述了将认知情感模型转化为辅助代理以帮助做出价值一致的决策的路线图。
2022-02-24 cs.AI
Quantum Circuit Components for Cognitive Decision-Making
IonQ, Inc.（IonQ公司）；University of California, Berkeley（加州大学伯克利分校）；City, University of London（伦敦大学城市学院）
本文证明了一些人类决策的非经典模型可以在量子计算机上成功运行。自20世纪60年代以来，许多观察到的认知行为已经被证明违反了基于经典概率和集合论的规则。例如，调查中提出问题的顺序会影响参与者回答“是”或“否”，因此对两个问题都回答“是”的人群不能被建模为两个固定集合的交集。然而，它可以被建模为以不同顺序进行的一系列投影。这个例子和其他例子已经成功地使用量子概率进行了描述，量子概率依赖于比较子空间之间的角度，而不是子集之间的体积。现在，在21世纪20年代初，量子计算机已经达到了这样一个地步，其中一些量子认知模型可以在量子硬件上实现和研究，通过在量子比特寄存器中表示心理状态，以及使用不同的门和测量进行认知操作和决策。本文发展了这样的量子线路表示的量子认知模型，特别侧重于建模秩序的影响和决策的不确定性。这种说法并不是说人类大脑明确地使用量子比特和量子线路（就像布尔集合论的使用不需要大脑使用经典比特一样），而是量子认知和量子计算之间共享的数学激励了量子计算机对认知建模的探索。关键的量子特性包括叠加、纠缠和坍缩，因为这些数学元素提供了认知模型、量子硬件和电路实现之间的共同语言。
2023-03-23 cs.AI quant-ph
Words That Stick: Predicting Decision Making and Synonym Engagement Using Cognitive Biases and Computational Linguistics
State University of New York at Albany（纽约州立大学奥尔巴尼分校）；Google（谷歌公司）
本研究基于认知心理学和NLP技术，提出READ模型整合四种认知偏差，预测数字平台上的用户决策与同义词参与度，发现符合特定认知特征的同义词能显著提升用户参与度，为跨领域数字内容设计提供了新视角。
2023-07-26 cs.AI cs.CL cs.HC
Cognitive Model Priors for Predicting Human Decisions
University of California, Berkeley（加州大学伯克利分校）；Princeton University（普林斯顿大学）
人类的决策是所有经济行为的基础。在过去的四十年里，人类在不确定性下的决策一直由基于前景理论的理论模型来解释，前景理论是一个获得诺贝尔经济学奖的框架。然而，这种理论模型发展缓慢，强大的，高精度的人类决策预测模型仍然是一个挑战。虽然机器学习是解决这些问题的自然候选者，但目前还不清楚它能在多大程度上改善当前理论获得的预测。我们认为，这主要是由于数据稀缺，因为嘈杂的人类行为需要大量的样本量才能被现成的机器学习方法准确捕获。为了解决这个问题，需要的是具有适当归纳偏差的机器学习模型，用于捕获人类行为，以及更大的数据集。我们为此提供了两个贡献：首先，我们通过用认知模型生成的合成数据预训练神经网络来构建“认知模型先验”（即，由认知心理学家开发的理论模型）。我们发现，在真实人类决策的小数据集上对这些网络进行微调，在两个基准数据集上得到了前所未有的最先进的改进。其次，我们提出了第一个用于人类决策的大规模数据集，包含超过240，000个人类判断，涉及13，000多个决策问题。该数据集揭示了认知模型先验有用的情况，并为不确定性下人类决策的基准预测提供了新的标准。
2019-05-22 cs.AI cs.LG stat.ML
Exploring the Impact of Explainable AI and Cognitive Capabilities on Users' Decisions
Organization（机构）
本研究探讨了在贷款场景中AI信息呈现方式与解释风格及认知需求（NFC）对用户决策的影响，发现高AI置信度与反事实解释能提升准确率并降低认知负荷，且高低NFC个体间无显著差异，强调了XAI界面需结合多样解释风格与用户特征进行个性化设计。
2025-05-02 cs.AI cs.HC
Balancing Rigor and Utility: Mitigating Cognitive Biases in Large Language Models for Multiple-Choice Questions
University of York（约克大学）；Friedrich Schiller University Jena（弗里德里希·席勒·耶拿大学）；King’s College London（伦敦国王学院）
本文针对大型语言模型（LLMs）多项选择题决策中的认知偏差问题，提出启发式调节与弃权（不执行）选项，结合BRU数据集验证，平衡偏差以提升决策效率、准确性与可靠性，使LLM决策更贴近人类推理。
2025-04-13 cs.AI cs.CL
Agentic AI for Cybersecurity: A Meta-Cognitive Architecture for Governable Autonomy
本文提出一种基于概率的代理框架，通过元认知机制协调多个代理，提升网络安全决策的鲁棒性和准确性，减少误报并增强适应性。
2026-04-30 cs.AI cs.CR
Cognitive Decision Routing in Large Language Models: When to Think Fast, When to Think Slow
Independent Researchers（独立研究者）
本文提出认知决策路由（CDR）框架，通过元认知层分析查询复杂度以动态选择快慢推理策略，在提升性能的同时降低34%计算成本，并在专业判断任务中显著改善一致性与准确率。
2025-08-17 cs.AI cs.CL
SLOW: Strategic Logical-inference Open Workspace for Cognitive Adaptation in AI Tutoring
Shanghai Institute of Artificial Intelligence for Education（上海人工智能教育研究院）
SLOW框架通过透明决策工作区实现学习者状态推理与教学决策分离，提升个性化、情感敏感性和清晰度。
2026-03-30 cs.AI
Cognitive Friction: A Decision-Theoretic Framework for Bounded Deliberation in Tool-Using Agents
本文提出Triadic Cognitive Architecture框架，通过认知摩擦建模决策过程，提升资源利用效率和行动速度，实验显示在EMDG和NSTG环境中优于贪心基线。
2026-04-02 cs.AI
Cognitive Architecture for Decision-Making Based on Brain Principles Programming
Novosibirsk State University（新西伯利亚国立大学）；Sberbank of Russia（俄罗斯联邦储蓄银行）
我们描述了一个认知架构，旨在解决广泛的问题的基础上确定的大脑活动的五个原则，其实施在三个子系统：逻辑概率推理，概率形式概念和功能系统理论。构建架构涉及任务驱动方法的实现，该方法允许将所应用的应用的目标功能定义为根据与任务相对应的操作环境而制定的任务，该任务在应用本体中表达。我们提供了一个基本的本体的一些实际应用，以及基于它的主题域本体，描述了拟议的架构，并给出了可能的例子，这些应用程序在这个架构中的执行。
2022-06-19 cs.AI cs.CE
AI, Help Me Think$\unicode{x2014}$but for Myself: Assisting People in Complex Decision-Making by Providing Different Kinds of Cognitive Support
Microsoft Research Cambridge（微软研究院剑桥分部）；University College London（伦敦大学学院）；fortiss GmbH, Research Institute of the Free State of Bavaria（巴伐利亚自由州fortiss GmbH研究机构）；LMU Munich（慕尼黑大学）；Politecnico di Milano（米兰理工大学）
本文提出ExtendAI交互模型，让AI输出建立在用户自身决策依据之上，并通过投资决策实验与推荐式AI对比，发现其能更好融入用户思考过程并带来略优结果，而推荐式AI则提供更多新颖见解且认知负担更低。
2025-04-09 cs.AI cs.HC
Temporal Interception and Present Reconstruction: A Cognitive-Signal Model for Human and AI Decision Making
本文提出融合宇宙信号延迟、神经反应与静止认知的时间干涉模型，并给出神经实验路径和数学框架，以推动人类与AI形成低延迟、合伦理且有意识的实时决策。
2025-05-11 cs.AI physics.hist-ph q-bio.NC
Cognitive Models as Simulators: The Case of Moral Decision-Making
McGill University（麦吉尔大学）；Université de Montréal（蒙特利尔大学）；Mila - Quebec AI Institute（米拉-魁北克人工智能研究所）
为了实现理想的性能，当前的AI系统通常需要大量的训练数据。这在收集数据既昂贵又耗时的领域中尤其成问题，例如，人工智能系统需要与人类进行多次互动，收集他们的反馈。在这项工作中，我们证实了$\textit{cognitive models as simulators}$的想法，即让人工智能系统与认知模型而不是人类进行交互并从其收集反馈，从而使其训练过程成本更低，速度更快。在这里，我们在道德决策的背景下利用这个想法，通过让强化学习（RL）代理通过与最后通牒游戏（UG）的认知模型交互来学习公平性，这是行为和脑科学中研究公平性的一个典型任务。有趣的是，这些RL代理学会根据模拟UG响应者的情绪状态合理地调整他们的行为。我们的工作表明，使用认知模型作为人类的模拟器是训练AI系统的有效方法，为计算认知科学为AI做出贡献提供了重要途径。
2022-10-08 cs.AI cs.LG cs.MA
TCEval: Using Thermal Comfort to Assess Cognitive and Perceptual Abilities of AI
Nanyang Normal University（南阳师范学院）
TCEval通过热舒适性场景评估AI的跨模态推理、因果关联和适应性决策能力，揭示当前LLM在热舒适性领域存在基础推理能力但缺乏精确因果理解。
2025-12-29 cs.AI
Emotional Cognitive Modeling Framework with Desire-Driven Objective Optimization for LLM-empowered Agent in Social Simulation
College of Intelligence and Computing（智能与计算学院）；Faculty of Environment, Science and Economy（环境、科学与经济学院）
本文提出一个包含欲望生成与目标管理的情感认知框架，使LLM智能体在模拟中实现情感对齐，实验证明其行为更贴近人类模式。
2025-10-15 cs.AI
Beating humans in a penny-matching game by leveraging cognitive hierarchy theory and Bayesian learning
University of Michigan（密歇根大学）
人工智能（AI）的长期目标是在决策方面优于人类。游戏适合测试人工智能在非数字任务中做出正确决策的能力。在本文中，我们开发了一种新的人工智能算法来玩香农的“读心机”（1953）中考虑的便士匹配游戏。特别是，我们利用认知层次理论和贝叶斯学习技术来不断发展预测人类玩家决策的模型，并让AI玩家根据模型预测做出决策，以追求最佳的获胜机会。实验结果表明，我们的AI算法击败了30名志愿者中的27名。
2021-02-13 cs.AI cs.GT cs.LG
Human-centered explanation does not fit all: The interplay of sociotechnical, cognitive, and individual factors in the effect AI explanations in algorithmic decision-making
University of Pittsburgh（匹兹堡大学）；Northeastern University（东北大学）；Syracuse University（Syracuse大学）
本研究探讨了AI辅助决策中解释效果的影响因素，发现对比性和选择性解释的偏好受认知负荷、参与度及社会技术语境等个体与情境差异的制约，呼吁AI界面设计应适应这些差异。
2025-05-02 cs.AI cs.CY cs.HC
Citrus: Leveraging Expert Cognitive Pathways in a Medical Language Model for Advanced Medical Decision Support
JD Health International Inc.（京东健康国际公司）
Citrus通过模拟专家认知路径训练医学语言模型，利用合成推理数据提升疾病诊断决策支持，在MedQA基准上优于同类模型。
2025-02-26 cs.AI cs.CL
Sequence models for by-trial decoding of cognitive strategies from neural data
Utrecht University（乌得勒支大学）；University of Groningen（格罗宁根大学）
本研究提出结合隐藏多变量模式分析与结构化状态空间序列模型的机器学习方法，从脑电图数据中逐次解码认知策略，揭示了Confirmation认知操作，为决策策略动态变异性提供证据，挑战认知过程同质假设。
2025-04-14 cs.AI q-bio.NC
Cognitive Guardrails for Open-World Decision Making in Autonomous Drone Swarms
University of Notre Dame（内布拉斯加大学）
针对自主无人机集群在开放世界搜索救援中传统CV识别能力不足及LLM幻觉风险，本文提出并验证了用于约束高层决策的认知护栏，实现了安全合理的自主任务决策。
2025-06-01 cs.AI cs.HC cs.RO
Using Reinforcement Learning to Train Large Language Models to Explain Human Decisions
Princeton University（普林斯顿大学）；The University of Hong Kong（香港大学）；Georgia Institute of Technology（佐治亚理工学院）
本文利用强化学习训练大语言模型，使其能解释人类决策行为，实现预测与可解释性的双重目标。
2026-02-01 cs.AI cs.CL
Position: We Need Practical AI Alignment Methods to Mirror Human Reasoning
该论文提出需实用AI对齐方法镜像人类推理，指出认知对齐可提升AI可理解性与可信赖度，提出研究议程以缩小现有对齐方法与认知对齐需求的差距，助力用户信赖AI系统。
2026-08-14 cs.AI cs.CY
CogDDN: A Cognitive Demand-Driven Navigation with Decision Optimization and Dual-Process Thinking
Zhejiang University（浙江大学）；vivo AI Lab（vivo AI实验室）
CogDDN提出基于VLM的需求驱动导航框架，融合快慢双过程思维与思维链推理，通过语义对齐识别关键物体并持续优化决策，在AI2Thor上较单视图方法提升15%。
2025-08-15 cs.AI cs.RO
Joint Detection Algorithm for Multiple Cognitive Users in Spectrum Sensing
Northwestern University（西北大学）；Nankai University（南开大学）
本文研究多认知用户频谱感知，在硬判决基础上引入软判决协作检测，通过仿真验证其能显著降低虚警概率并提高检测概率，从而高效利用空闲频谱资源。
2023-12-01 cs.AI eess.SP
Bayesian Reinforcement Learning with Limited Cognitive Load
Stanford University（斯坦福大学）；New York University（纽约大学）
本文综述了融合强化学习、贝叶斯决策与率失真理论的容量受限贝叶斯强化学习框架的最新算法与理论成果，并探讨其在认知与行为科学中的应用。
2023-05-05 cs.AI cs.LG
CARA: Cognitive Adaptive Recommendation Agent
The Chinese University of Hong Kong（香港中文大学）；Tongji University（同济大学）
针对现有推荐方法未明确建模用户偏好转化为决策的局限，提出认知自适应推荐框架CARA，经亚马逊评论实验，其多数指标性能最优，较基线相对提升最高达10.15%。
2026-08-19 cs.AI cs.IR
Predicting Biased Human Decision-Making with Large Language Models in Conversational Settings
University College Dublin（都柏林大学）
研究大语言模型能否预测对话环境中的偏差决策，通过预注册研究发现参与者有认知偏差及负载偏差交互，评估LLMs预测能力，结果表明GPT-4家族表现出色，有助于理解LLMs模拟人类决策及设计适应偏差的对话代理。
2026-07-07 cs.AI cs.HC
Assessing Cognitive Biases in LLMs for Judicial Decision Support: Virtuous Victim and Halo Effects
Sierra S. Liu
研究评估大语言模型在司法决策支持中的认知偏差，发现善良受害者效应和光环效应存在差异，部分偏差在人类和模型间有显著差异。
2026-02-21 cs.AI cs.CY
