神经科学与认知科学
突破级
暂无讲解视频
收录解读
这篇论文之所以过本库更严格的 cognition / neuroscience 门槛，不是因为它又做了一个像人的行为预测器，而是因为它把‘统一认知模型’这个老问题推进到了 foundation-model 时代。Centaur 试图用一个自然语言可表达实验上的统一模型来覆盖决策、执行控制、记忆等多类任务。
真正重要的点有两个。第一，它不只是拟合单一实验，而是基于 Psych-101 这样的跨任务 trial-level 数据去学一个更一般的行为生成器。第二，作者还声称 fine-tuning 后的内部表征与人类神经活动更加对齐，这让它不只是一个黑箱行为拟合器，而是一个可被拿来讨论 cognition-modeling 的 AI 对象。
它值得正式收录，因为这类工作对 NeuroAI 和 cognition-inspired AI 的意义远大于普通心理学建模：它强行把‘统一理论能否存在’这个问题变成了可训练、可评估、可失败的工程对象。即使它最后被证明有明显局限，这个 framing 本身也很耐用。
它没有更高，是因为后续批评已经指出它可能依赖任务格式和指令模式记忆而不是更深层机制理解。也就是说，它是一个重要的认知 foundation-model 尝试，但还不能被当作统一认知理论已经成立的证据。