ACT-R Vector-Symbolic Architectures Cognitive Modeling Declarative Memory
摘要

本文探讨了如何在计算认知模型中更好地表征社会文化结构对决策的影响。尽管大型语言模型可通过共现关系表示广泛的语义关联,但需考虑自我表征在记忆中的作用以明确文化关联如何塑造决策。为此,我们在ACT-R认知架构中提出了一种新的声明式记忆系统,利用向量符号自动编码器通过多级水平表示语义关联。我们使用简单的HRR操作区分情景记忆与从文本提取的语义记忆向量,从而生成最终的块激活值。最后,通过种族语境化的内隐联想测试(IAT)的认知模型验证了该新记忆系统的有效性。

AI 推荐理由

论文核心提出了一种基于向量符号自动编码器的声明式记忆系统,旨在解决语义与情景记忆的表征问题,直接对应记忆机制研究。

研究机构
Department of Computer Science and Engineering, The Pennsylvania State University W209 Westgate Building, University Park, PA 16802, USA Department of Industrial and Manufacturing Engineering, The Pennsylvania State University M310 Leonhard Building, University Park, PA 16802, USA
论文信息
作者 Meera Ray, Swapnika Dulam, Christopher L. Dancy
发布日期 2026-08-03
arXiv ID 2608.02807
相关性评分 9/10 (高度相关)