论文用贝叶斯粒子推断与 LLM 程序合成建模儿童假设生成。
资讯摘要
论文在交互式物理 Box Task 中研究儿童如何在不确定、部分可观测的环境中推断潜在原因，并提出基于贝叶斯粒子推断的计算框架，维护少量工作假设并持续生成新假设。作者给出两种假设表示：作为证据约束，以及作为可执行程序；约束式模型需同时考虑证据的主观可靠性与在线假设生成，程序式假设则借助 LLM 程序合成实现，并在三种提示变体与多个 LLM 后端上评估。
要点速读
- 研究采用 Box Task，参与者在随机且部分可观测的环境中通过交互推断潜在原因。
- 框架基于贝叶斯粒子推断，持续生成新假设；假设可表示为证据约束或可执行程序。
- 程序式假设用 LLM 程序合成实现，作者报告在三种提示变体和多个 LLM 后端上表现稳健。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/31 08:00:18（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。