儿童与语言模型中的假设生成与归纳推理

本文探讨了现实世界决策中如何在证据、因果规则及世界状态的不确定性下构建心理模型。通过归纳推理盒子任务，对比了人类儿童与基于 LLM 的代理在序列交互中推断潜在原因的行为。研究将任务形式化为基于贝叶斯粒子的程序归纳，发现儿童行为可由主观证据可靠性与在线假设生成解释。LLM 代理复现了儿童对证据可靠性的适应模式，但也表现出过度观察和过度服从指令的倾向。结果表明，两者虽能适应环境结构，但其信息寻求行为背后的成本与归纳偏差存在显著差异。