arXiv cs.CL· Hikaru Asano, Hidezo Suganuma, Ryutaro Mori, Yukino Baba·· 11 小时前AI 评分31
Cross-Centaur：用语言模型跨心理任务建模个体决策
Cross-Centaur: Modeling Individual Decision-Making Across Psychological Tasks with Language Models
AI 导读
研究者构建 Cross-Psych-101 数据集，涵盖 591 名参与者在 12 项 Bandit、Tradeoff、Structure 和 Social 任务中的 261,551 条有效决策，并训练 Cross-Centaur 从目标任务描述与同一参与者的源任务行为预测其目标任务动作。
正文 · AI 翻译
摘要：大语言模型（LLM）正日益被用作人类行为的计算模型。Centaur 等近期模型通过基于心理学实验的逐试次决策对 LLM 进行微调，推动了这一目标。然而，现有的大规模行为数据集并未将同一参与者跨不同任务关联起来，因此这些模型学到的是群体层面的规律，而未被训练去建模跨任务的个体层面规律。我们推出 Cross-Psych-101，这是一个包含 591 名参与者、在 12 项 Bandit、Tradeoff、Structure 和 Social 任务中 261{,}551 个有效决策的数据集。我们训练 Cross-Centaur，根据目标任务描述以及与同一参与者源任务行为配对的源任务描述，预测参与者的目标任务动作。在留出参与者上，Cross-Centaur 在任务内和跨任务均优于现成 LLM 和 Centaur。探测分析表明，其隐藏状态编码了可跨任务迁移的参与者层面行为倾向。这些结果凸显了跨任务个体层面数据在利用语言模型预测人类决策方面的潜力。Cross-Pysch-101 可在 此 https URL 获取。
| 评论： | 已被 EMNLP 2026 接收（主会议，口头报告） |
| 主题： | 计算与语言（cs.CL） |
| 引用为： | arXiv:2610.23157 [cs.CL] |
| （或 arXiv:2610.23157v1 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.23157 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Hikaru Asano [查看电子邮件]
[v1]
2026 年 10 月 16 日星期五 08:55:00 UTC（1,579 KB）
来源：arXiv cs.CL · arxiv.org