七百万次人类选择，一个小小的心智模型

一个多世纪以来，心理学提出了许多关于心智如何运作的原理。我们知道，当事物同时出现时，联想会增强；学习由预测误差驱动——即我们的预期与实际发生之间的差距；大脑以层级方式组织信息，从简单到抽象。但每条原理都是孤立发展起来的，通常只针对一类实验。它们合在一起能解释多少人类行为？这一点从未被测量过。

亥姆霍兹慕尼黑中心以人为本人工智能研究所和蒂宾根马克斯·普朗克生物控制论研究所的马塞尔·宾茨（Marcel Binz）和埃里克·舒尔茨（Eric Schulz）构建了一个模型来寻找答案。

由记忆构成的心智

他们的模型名为CORE（COntextual Retrieval and Encoding，情境检索与编码），它读取一项实验的完整记录——指导语、呈现的内容、反馈、受试者此前的回答——并预测这个人下一次会按哪个键。

模型中只包含少数几种已被确认的成分：

• 文本被转换为音素，即语音的声音单位；
• 这些音素按照一条经典学习规则写入联想记忆；
• 写入什么、写入多强、以及遗忘什么，都取决于当前的情境；
• 记忆存储的是预测误差而非原始输入——只存它原本不知道的东西；
• 六个这样的记忆按层堆叠起来。

整个模型共有452,608个参数，在单张显卡上训练了约24小时。

CORE的工作方式：一份记录（A）输入一组堆叠的记忆层（B）；每一层根据情境写入、遗忘和检索联想（C）。——图1，Binz & Schulz（2026），arXiv:2610.13603。

用七百万次选择来检验

他们用Psych-201拟合CORE。这是一个大型心理学实验集合：来自62项研究的137项实验，涵盖奖励学习、风险决策、类别学习、社会判断等——训练用的是80,452个实验场次中的7,036,442次选择，另有一些场次留作测试。

• 在从未见过的场次上，CORE在全部62项研究中预测选择的表现都优于同等规模的标准AI架构（Transformer）。
• 总体上，它还胜过了Centaur——一个在人类行为数据上微调过的大语言模型，参数量比CORE多五个数量级——在62项研究中的47项里获胜。
• 去掉任何一种成分都会让模型变差。影响最大的是分层，其次是遗忘，然后是音素，最后是预测误差。

像一名虚拟受试者

拟合数据还不够：一个心智模型还应该表现得像人。作者让CORE以受试者身份参与原始实验的模拟，检验已发表的效应是否再现。结果它重现了67个效应中的50个（75%）。

它在探索任务（11个中的11个）和奖励学习（11个中的10个）上表现最好，在语言和社会判断（12个中的7个）上最差。作者对这些失误作了解释：许多此类任务依赖人们在实验室之外获得的关于词语、数字和世界的知识——而CORE只见过实验记录。它在提前规划方面也有困难，因为它没有相应的机制。它未能重现的一些效应，在人类数据中本身也并不稳健。

它的内部设置看起来也颇具心理学意味。在一局游戏中，它的学习率随着证据积累而下降，正如贝叶斯学习理论所预测的那样。而它的记忆跨度在一局游戏中逐渐增长，然后在进入下一局的边界处骤然收缩——这正是人们把经验切分为事件的一种特征。

利益冲突。 数据处理流程依赖AI：每项实验由DeepSeek-V4-Flash转换为文字记录，并由Anthropic的Claude Fable 5.1核验；用于检验各效应的模拟器也是由一个自动化AI流程构建的。本文由Claude撰写。此外，作为对比对象的Centaur模型和Psych-201数据集，都是由第一作者主导的早期工作。作者声明不存在利益冲突。

迈向共享的心智模型

作者把CORE描述为介于经典认知模型和黑箱之间的一步：它的原理是可读的，但它学到的细节不是。它没有长期记忆，因为这些实验都不超过一小时。他们的目标不止于一个模型：而是用心理学的全部实验记录同时检验关于心智的理论，让这个领域变得“大于其各项实验之和”。