要旨: 認知科学では、多くの場合、理論を狭いパラダイムと局所的なモデル比較によって評価するため、課題や実現の違いをまたいだ証拠の統合が制限されてしまいます。そこで本研究では、候補となるモデルや実験が、裁定（adjudication）の過程の中で発見されなければならない場合でも、競合する理論の間で裁定を行うための自動化された敵対的コラボレーション・フレームワークを提案します。このシステムは、LLMベースの理論エージェント、プログラム合成、情報理論的な実験設計を、クローズドループで統合します。3つの古典的な分類（categorization）理論にまたがるシミュレーション研究において、このフレームワークは、ノイズの設定に関して、最も難しい設定では信頼性が弱いものの、それでも基礎となる真の理論を復元しました。こうしたフレームワークと知見は、認知科学におけるクローズドループのインシリコ（in-silico）理論裁定のための、具体的な概念実証を提供します。
認知科学における理論構築を進めるための自動化された敵対的コラボレーション
arXiv cs.AI / 2026/4/29
📰 ニュースIdeas & Deep AnalysisModels & Research
要点
- 本論文は、候補となるモデルや実験を評価の過程で発見する必要がある場合でも、競合する認知科学の理論を自動的に判定（アドジケーション）するための枠組みを提案します。
- この手法では、LLMベースの「理論エージェント」システムに、プログラム合成（プログラムシンセシス）と、情報理論に基づく実験設計を組み合わせ、閉ループで運用します。
- 3つの代表的な分類（カテゴリ化）理論を対象にしたシミュレーションでは、複数のノイズ条件下で真の理論を復元できた一方、最も難しい条件では信頼性がやや低下しました。
- 著者らは、狭いパラダイムや局所的な比較に起因する限界に対処しつつ、認知科学におけるクローズドループのインシリコ理論判定の実現可能性を示す具体的なプロトタイプとして、この枠組みと結果を提示しています。
