从不可靠证据中学习心智模型：用贝叶斯粒子推理与 LLM 程序合成建模儿童假设生成

研究用贝叶斯粒子推理框架建模儿童在随机、部分可观测的 Box Task 中如何生成新假设并应对不确定性，提出假设的两种表示：证据约束与可执行程序。约束形式表明模型需同时考虑证据的主观可靠性与在线假设生成，才能解释儿童行为的关键特征。程序形式显示假设可为部分组合规则以指导信息收集，并用基于 LLM 的程序合成在三种提示词变体和多个 LLM 后端上验证了稳健性。