认知主体中作为想象网络的内部世界模型

arXiv 25.10 2025 36.8 theory

TLDR

通过生动性评分比较人类与LLM想象网络，人类结构一致，LLM缺乏聚类。

评分理由

Strengths include large-scale human data across populations and multiple LLM variants, with a novel framework for evaluating offline world models. Weaknesses are reliance on self-reported vividness ratings and limited behavioral validation, plus LLMs may not be directly comparable to biological imagination.

Read-first 评分解释

综合优先阅读分 36.8，由主题、引用、图谱、方法、可复现性和近期性等信号加权得到。原始总分保留为 12。

近期性 8%

86.7

使用温和的时间衰减，让近期论文更容易浮现，同时保留较早基础工作的价值。年份：2025

方法质量 25%

检查可见的摘要与分析字段，寻找实验、数据集、基线、指标和局限性等方法证据。命中信号：分析、指标

可复现性 25%

检查链接和可见文本中的论文、代码、数据集、工件与仓库信号。论文：有；代码：无；数据：无；命中信号：无

主题相关性 42%

17.1

使用现有 LLM 关键词相关性评分，并归一化到 0-100。关键词：world model、world simulator、generative world model、interactive world model、video world model、world dynamics prediction、model-based reinforcement learning world model

研究版图角色

前沿论文

排序敏感性

稳定性：volatile；排名波动范围：225。

关键词评分

world model

generative world model

world simulator

interactive world model

video world model

world dynamics prediction

model-based reinforcement learning world model

深度分析

创新点

采用心理网络分析，通过想象生动性评分比较人类和大型语言模型（LLMs）的内部世界模型（IWMs）
区分认知主体中的离线世界模型（持久记忆结构）与在线模型（任务特定表征）
为评估认知主体中的离线世界模型提供量化指标

方法

该研究对来自三个群体的2,743名人类和六种LLM变体的想象生动性评分进行心理网络分析，比较人类与LLM网络结构（中心性、聚类），以评估内部世界模型的对齐程度。

关键结果

人类想象网络表现出稳健的结构一致性，具有高中心性相关性和对齐的聚类；而LLM则显示极少的聚类，且与人类网络的相关性较弱，即使加入对话记忆，在环境和感官情境中也是如此。

资源

论文