心理学家长期以来一直在争论，人类思维能否用一套统一的理论来解释，还是注意力、记忆等不同功能需要分别研究。如今，人工智能正以一种全新的方式加入这场讨论，为探索思维运作机制提供了新的视角。
2025年7月，《自然》杂志发表了一项研究，介绍了一个名为"Centaur"的AI模型。该模型基于标准大语言模型构建，并通过心理学实验数据进行微调，旨在模拟人类认知行为。据报道，Centaur在包括决策、执行控制等160项认知任务中表现出色，研究结果引发广泛关注，被视为AI系统向更广泛复现人类思维迈进的重要一步。
新研究提出质疑
然而，近期发表于《国家科学评论》的一项研究对上述结论提出了挑战。浙江大学的研究人员认为，Centaur看似亮眼的表现，可能源于过拟合问题——也就是说，模型并非真正理解任务本身，而是通过识别训练数据中的规律来复现预期答案。
为了验证这一假设，研究人员设计了多个全新的评估场景。其中一个示例中，研究人员将原本描述具体心理学任务的多项选择提示，替换为"请选择选项A"这一简单指令。如果模型真正理解了任务，理应始终选择选项A。然而，Centaur依然选出了原始数据集中的"正确答案"。
这一行为表明，模型并没有在理解问题的含义，而是依赖所学习的统计规律来"猜测"答案。研究人员将此比作一个靠死记题目格式拿高分、却根本不懂所学内容的学生。
对AI评估方式的重要启示
这一发现提醒我们，在评估大语言模型的能力时需要保持审慎。尽管这类系统在数据拟合上表现出色，但其"黑盒"特性使人们难以判断它们是如何得出输出结果的，进而可能引发幻觉或误解等问题。因此，通过多样化、严谨的测试来判断模型是否真正具备其所呈现的能力，至关重要。
真正的挑战：语言理解能力
尽管Centaur被定位为一个能够模拟人类认知的模型，但其最大的局限似乎恰恰在于语言理解能力——具体表现为难以识别并回应问题背后的真实意图。该研究表明，实现真正的语言理解，可能是开发能够更全面模拟人类认知的AI系统所面临的最核心挑战之一。
Q&A
Q1：Centaur模型是什么？它在心理学研究中有什么用？
A：Centaur是一个基于大语言模型构建、并通过心理学实验数据微调的AI模型，由2025年7月《自然》杂志发表的研究介绍。它被设计用来模拟人类认知行为，在决策、执行控制等160项认知任务中据报表现良好，被视为AI复现人类思维的重要探索。
Q2：Centaur被质疑存在什么问题？
A：浙江大学研究人员认为Centaur存在过拟合问题。测试中，当原有任务描述被替换为"请选择选项A"这类简单指令后，模型并没有选A，而是继续输出原数据集中的"正确答案"，说明它只是在识别数据规律、"猜"答案，并非真正理解问题含义，类似靠死记题型应试而非真正掌握知识的学生。
Q3：评估大语言模型能力时应该注意什么？
A：大语言模型的"黑盒"特性使人们难以判断模型的推理过程，容易出现幻觉或误解。因此在评估模型能力时，需要设计多样化、严谨的测试场景，而不能仅依赖单一数据集上的表现，以确认模型是否真正具备所呈现的认知或理解能力。
