面向认知科学理论构建的自动化对抗式协作

认知科学常通过狭窄的范式与局部模型比较来评估理论，限制了跨任务、跨实现的证据整合。我们提出一个自动化对抗式协作框架，即便候选模型与实验必须在裁决过程中才能发现，也能在相互竞争的理论之间作出裁决。该系统将基于LLM的理论智能体、程序合成与信息论实验设计结合成闭环。在一项涵盖三个经典分类理论的仿真研究中，该框架在各噪声设置下均恢复了真实理论，但在最难设置下可靠性较弱。框架与发现共同为认知科学中闭环式、计算机模拟（in-silico）的理论裁决提供了具体的概念验证。