arXiv 2026年10月5日该工作把认知算法发现表述为程序精化问题：将人类构建的认知模型写成概率程序，交给一组LLM智能体在研究者设定的约束内识别模型与行为的不匹配、提出代码级修改并验证结构保真度，修改再传入概率推断模块完成潜变量推断与数据似然计算；在一个暴露多种认知算法的问题解决范式的人类行为上，修订后的模型相对其祖先模型一致提升拟合，并显现出一小组反复出现的创新，捕捉到该任务中有意义的行为变异。该工作把认知算法发现表述为程序精化问题：将人类构建的认知模型写成概率程序，交给一组LLM智能体在研究者设定的约束内识别模型与行为的不匹配、提出代码级修改并验证结构保真度，修改再传入概率推断模块完成潜变量推断与数据似然计算；在一个暴露多种认知算法的问题解决范式的人类行为上，修订后的模型相对其祖先模型一致提升拟合，并显现出一小组反复出现的创新，捕捉到该任务中有意义的行为变异。混合LLM智能体系统把认知算法发现重构为程序精化，在问题解决任务上一致提升模型拟合该工作把认知算法发现表述为程序精化问题：将人类构建的认知模型写成概率程序，交给一组LLM智能体在研究者设定的约束内识别模型与行为的不匹配、提出代码级修改并验证结构保真度，修改再传入概率推断模块完成潜变量推断与数据似然计算；在一个暴露多种认知算法的问题解决范式的人类行为上，修订后的模型相对其祖先模型一致提升拟合，并显现出一小组反复出现的创新，捕捉到该任务中有意义的行为变异。该工作把认知算法发现表述为程序精化问题：将人类构建的认知模型写成概率程序，交给一组LLM智能体在研究者设定的约束内识别模型与行为的不匹配、提出代码级修改并验证结构保真度，修改再传入概率推断模块完成潜变量推断与数据似然计算；在一个暴露多种认知算法的问题解决范式的人类行为上，修订后的模型相对其祖先模型一致提升拟合，并显现出一小组反复出现的创新，捕捉到该任务中有意义的行为变异。