信息茧房常被用来解释偏见，但社交媒体并非唯一责任。平台通过激化对立吸引用户，用户应主动接触对立信息。认知模型的质量决定信息处理能力，开放的认知模型能抵消负面影响。在评估信息时，认知模型比信息本身更为重要。

本研究探讨了人工通用智能（AGI）安全开发中，依赖共识的对齐方法无法识别新解决方案的问题。提出的功能性认识闭合模型揭示了认知、制度和社会过滤器如何影响对齐提案的理解，缺乏递归模型可能导致不可逆的失调风险，影响AGI的安全开发。

本研究探讨大型语言模型（LLMs）作为认知模型的潜力，发现通过微调，LLMs能够准确表示人类行为，甚至超越传统认知模型。研究表明，LLMs在理解意图和信念等认知能力方面表现优异，并提出了评估LLMs认知能力的指导方针。未来研究应关注LLMs的自我认知及其在认知科学中的应用。

本研究探讨了基于EEG信号的乘客危险感知在高度自动化驾驶中的应用。通过开发新的乘客认知模型和EEG解码策略，结合卷积递归神经网络，显著提升了对危险情境的预测能力，为自动驾驶安全提供了新的框架。

该研究探讨了人类决策中的错误，分析了国际象棋运动员的决策过程，发现决策的困难度比技能和时间更具影响力。通过机器学习和认知模型，研究提高了小样本预测的准确率，并揭示了人类决策的系统偏差，表明人工智能在理解和预测人类行为方面具有潜力。

本文介绍了ElitePLM对预训练语言模型（PLMs）的实证研究，评估其在记忆、理解、推理和组合等四个维度的能力。实验结果表明，PLMs在多项能力测试中表现优异，且在下游任务中微调对数据敏感。研究探讨了大型语言模型在认知模型中的应用潜力，强调其与儿童语言习得的联系及在决策制定中的表现。

该研究使用认知模型作为人类模拟器，与人工智能交互并收集反馈，提高训练效率。实践中，该方法在道德决策制定方面取得了成功，对人工智能的发展具有重要贡献。其中，强化学习代理与认知模型交互学习公平性，并能理性调整行为。

本文介绍了一个新的认知模型，该模型是AGI代理的一部分，基于操作积累的知识，并展示了自顶向下和自底向上的模型学习。通过认知演进，描述了达到成熟状态的模型和实例的动态操作记忆。