大规模合成人类与机器推理的符号模型

研究团队提出行为条件符号合成（BCSS），通过自动搜索可解释的确定性符号程序，在数百个复杂推理问题中建模并重现人类与机器行为。分析表明人类与机器均倾向于过度简化、采用局部解释规则并误判特征依赖，且机器的简化程度可由推理投入预测。这揭示了二者类似的满意解机制，为解释与对比人类和黑盒 AI 系统的规则推理提供了通用方法。