arXiv · cs.AI· Solim LeGris·· 2 天前AI 评分27
BCSS：大规模合成人类与机器推理的符号模型
Synthesizing symbolic models of human and machine reasoning at scale
来源与原文
arXiv · cs.AI
作者：Solim LeGris
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2611.07088v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
研究者提出 Behavior-Conditioned Symbolic Synthesis（BCSS），可自动搜索能验证复现行为的可解释确定性符号程序，用于建模人类与机器在数百个高难度推理问题上的表现。分析发现人与机器都倾向过度简化、采用仅部分解释观测的规则，并错误推断问题特征间的依赖关系；这些共同特征受可用资源调节，机器的推理投入程度可预测其简化与解释观测的程度。结果指向人与机器中类似 satisficing 的机制，BCSS 提供了比较人类与黑盒 AI 系统规则化推理的通用方法。
来源：arXiv · cs.AI · arxiv.org
这条消息，你怎么看？
把新闻带到 MickerBook，和社区伙伴聊聊；也可以去 AIHER 看看模型背后的角色与梗。