BioLLMAgent: A Hybrid Framework with Enhanced Structural Interpretability for Simulating Human Decision-Making in Computational Psychiatry

Created by

Haebom

저자

Zuo Fei, Kezhi Wang, Xiaomin Chen, Yizhou Huang

💡 개요

본 논문은 계산 정신의학 분야에서 행동의 현실성과 구조적 해석 가능성 사이의 근본적인 절충점을 해결하기 위해 LLM의 생성 능력과 검증된 인지 모델을 결합한 새로운 하이브리드 프레임워크인 BioLLMAgent를 제안합니다. 경험 기반 가치 학습을 위한 내부 RL 엔진, 고수준 전략 및 치료 개입을 위한 외부 LLM 셸, 두 구성 요소를 통합하는 의사 결정 융합 메커니즘을 특징으로 합니다. Iowa Gambling Task에 대한 포괄적인 실험을 통해 BioLLMAgent는 인간 행동 패턴을 정확하게 재현하면서도 우수한 매개변수 식별 가능성을 유지하며, 인지 행동 치료 원칙을 성공적으로 시뮬레이션하고 지역사회 교육 개입이 개별 치료보다 더 효과적일 수 있음을 보여줍니다.

🔑 시사점 및 한계

•

BioLLMAgent는 기존 RL 모델의 해석 가능성과 LLM의 행동 현실성이라는 장점을 결합하여 계산 정신의학 연구에 대한 새로운 접근 방식을 제공합니다.

•

이 프레임워크는 인간의 의사 결정 과정을 모델링하고 인지 행동 치료와 같은 개입 전략을 테스트하기 위한 구조적으로 해석 가능한 "계산 샌드박스" 역할을 할 수 있습니다.

•

향후 연구에서는 다양한 정신 질환에 대한 BioLLMAgent의 적용 가능성을 탐색하고, 더 복잡한 인지 과정을 통합하며, 프레임워크의 해석 가능성을 더욱 향상시키는 데 초점을 맞출 수 있습니다.

PDF 보기

Made with Slashpage