English(EN) Psychological Imagination Networks Show Cross-Population Centrality and Clustering Alignment in Humans That Large Language Models Fail to Replicate

研究发现：大型语言模型无法复制人类心理意象结构

作者 PulseAugur 编辑部 · [1 个来源] · 2026-07-03 04:00

一篇新发表在arXiv上的研究表明，大型语言模型（LLMs）无法复制在人类群体中发现的心理意象的关系结构。研究人员分析了来自不同人类样本和多个LLMs的生动性评分，构建了心理网络来比较节点中心性和社区结构。虽然人类网络在不同人群中表现出一致的模式，但LLMs却持续产生退化的、单聚类的拓扑结构，这表明仅通过语言训练无法复制影响人类记忆组织的具身经验。 AI

影响表明LLM在与具身经验相关的理解方面存在根本性差距，可能影响未来AI的发展。

排序理由该集群包含一篇详细介绍LLM能力研究结果的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Saurabh Ranjan, Brian Odegaard · 2026-07-03 04:00

Psychological Imagination Networks Show Cross-Population Centrality and Clustering Alignment in Humans That Large Language Models Fail to Replicate

arXiv:2510.04391v5 Announce Type: replace Abstract: Mental imagery vividness is a stable individual trait, yet whether imagined scenarios share relational structure across human and synthetic large language model (LLM) populations remains unknown. We applied psychological network…

报道来源 [1]

Psychological Imagination Networks Show Cross-Population Centrality and Clustering Alignment in Humans That Large Language Models Fail to Replicate

相关实体

相关话题