通过程序精化实现假设引导的认知算法发现

研究者提出一个混合系统，把认知算法发现问题转化为程序精化问题。系统将人类创建的认知模型表示为概率程序，交给 LLM 智能体在研究者设定的约束下识别模型与行为的失配、提出代码级修改并验证结构保真，修订再传入概率推理模块完成潜变量推断与数据似然计算。在暴露多种认知算法的问题解决范式上，修订模型相对祖先模型一致提升拟合度，并揭示少量可捕捉行为变异的重复性创新。