计算认知科学的火花：从模拟数据发现的理论能否推广到人类

行为基础模型已被提议作为跨环境的人类参与者的替代品，但尚不清楚在其上发现的理论是否适用于人类或仅描述模拟器的特征。我们运行了自动认知科学家（\textsc{AutoCog}），这是一个闭环发现系统，其中 LLM 智能体设计理论区分实验、收集响应、在竞争理论之间进行仲裁并综合后继者，完全基于半人马座（人类行为的基础模型）模拟的行为。在多属性决策环境中，在半人马座上发现的理论 \textsc{AutoCog} 推广到了人类数据：它们在十个坚持的实验中优于规范理论，并且只有通过在人类身上运行相同循环而发现的理论才能与之竞争。我们认为，尽管模拟器不可避免地存在缺陷，但这种方法还是成功的，因为在竞争理论之间进行仲裁的发现循环对模拟器的要求比估计要少。模拟器只需要捕获区分理论的规律，不一定精确地再现行为。因此，不完美的模拟器可以扩大对理论的搜索范围，然后用人类数据来测试浮现的理论是否具有普遍性。