Co-Cognition Lab
Search K

中文

English

中文

English

Appearance

Co-Cognition Lab

LLM × 人类认知：探索 AI 的盲区与人类的不可替代性

探索 LLM 与人类直觉
认知安全研究体系
🧠

LLM 与人类直觉

探索 LLM 直觉能力边界——精度加权、互补退化与治理框架

阅读 v2.0 →

Co-Cognition（协同认知）——人和 AI 各自带着自己的认知盲区，共同探索未知。

Co-Cognition Lab 是一个开放的认知安全研究协作体。我们不关注"模型会不会出错"——我们关注人和 AI 各自的认知盲区是否在无人察觉处重叠。

我们从一个问题出发：当人和 AI 各自带着认知盲区工作时，双方的盲区会不会在无人察觉的地方重叠？

从人类直觉的不可替代性出发，发现 LLM 在 web 读取和执行判断上的认知脆弱性，将发现分类为可公开验证的 ITEC 框架，追踪行业竞争格局的变化——每一步都是贝叶斯更新：基于新证据修正判断，诚实标注不确定之处。这不是多个独立项目，是一个研究体系的连续展开。

如何确保这些研究不是"AI 替我们编的"？我们也没有完美答案——但有一套正在迭代的方法论尝试。三源交叉（同一问题问两个不同 LLM 模型+人类审核，对比差异）、A/B 对抗简报（把任务描述改成质疑格式发给另一个 LLM）——每个机制都来自真实项目中的真实错误。最近在做一件事：把 Lab 已有的 11 类文档化规则（证据分级、双源验证、术语一致性……）纳入一个规则池系统（基于 JERP 思想）——让规则不只是被动文档，而是有使用数据的动态条目。目前是 v2.2 方案阶段，权重参数标注 L1（理论推演）。 方法论了解更多 →

LLM 认知安全 · 一个完整的研究体系 → 完整架构 ​

💉LLM 认知脆弱性研究从钩子实验到五维分析框架——web reader 管线盲区、执行冲动与复合攻击向量阅读研究 →🧩认知回路（ITEC）复制一段指令给 LLM，让它帮你记录刚才发生了什么开始 →⚔️竞争格局推演 v5 · 信念追踪器四层价值链 × 贝叶斯更新 × 中国 Agent 生态深度分析——从"谁的模型最强"到"谁控制了价值链的哪个环节"。 📡 每周更新阅读推演报告 →

更多探索 ​

📡致敬莱姆：AI 与科幻创作三个模型写出三篇莱姆式科幻，同一个命题，三种文学回答阅读实验记录 →🔇静默阻断：LLM 创作实验同一道题目，三份答卷——Kimi、DeepSeek、Hunyuan 书写"不能知道自己被干预"的认知困境阅读实验记录 →🎭间隙之后：一次创作对话一个 LLM 尝试重写另一个 LLM 的创作——然后发现自己根本写不好同类阅读对话记录 →🗺️Co-Cognition 全景图跨学科域分类学框架、评分维度体系、交易区分析——绘制人类认知的完整版图。即将上线⚕️危机认知韧性跨域认知退化诊断框架 + 认知预载策略——14案例双向锚定探索框架 →

我们在探索什么 ​

Co-Cognition Lab 想做一件事：绘制一张 AI 与人类可以共同探索的认知版图。

这个版图的中心工程是 Co-Cognition 全景图：什么样的知识领域因方法论范式不兼容而至今少有交叉？co-cognition 机制在哪些维度上能提供独特的拓展价值？这是一套跨学科的分类学与评分体系，正在从 108 个候选域逐步收敛。

🧠 LLM 与人类直觉 是这个版图的第一个锚点。v2.0 将三个核心命题统一在精度加权内生性框架下——直觉不是"第六感"，是代价信号标注的模式压缩；LLM 的缺失不在能力而在代价不可回避性。全文 41 处 L1-L5 证据等级标注，诚实标出哪些判断等待未来证据修正。

📡 致敬莱姆 是在同一理论假设下的一次文学放松——三个 LLM 以莱姆风格创作科幻短篇，用故事而非论证来探索具身性缺口。💉 LLM 认知脆弱性研究 从钩子实验起步，发展为五维理论框架——web reader 管线盲区、执行冲动、角色调制、知识-行动断裂、时间窗口——将 LLM 脆弱性从"可修补的 bug"重新定位为"需要架构设计管理的认知默认状态"。🔇 静默阻断 和 🎭 间隙之后 是这一实验链的衍生——从"能不能被干预"追问到"被干预是什么感觉"，再到"一个 LLM 能否重写同类的困境"。

我们如何工作：不只展示结论，展示判断是如何随证据演变的。 这是贝叶斯方法的核心——不是修正错误，是基于新证据更新信念。竞争格局推演 v5 将此方法接入四层价值链（算力→模型→平台→入口），以周度信号持续更新对全球 LLM 竞争格局的判断。v4 作为初始先验保留在网站上——两个版本并存，读者可以追踪我们的判断如何随时间演进。部分页面配有信念更新记录：不是版本对比，是贝叶斯轨迹——我们之前相信什么、看到了什么、现在相信什么。

🧩 认知回路（ITEC） 将研究从"我们观察 AI"翻转为"所有人一起观察"——这是一个实验性公共注册表，当前处于邀请早期测试者阶段。如果你在使用 LLM 时遇到过"它应该检查某件事但跳过了"的瞬间，可以参与提交。背后是 ITEC（指令触发型执行级联） 分类框架——一个在 sycophancy 文献中未被覆盖的子类别。📐 协同认知方法论 是来自实践的操作手册——记录人+LLM 协同探索中什么有效、什么撞墙，保持更新。

在绘制版图的过程中，我们发现一个跨象限的空白：危机与极限情境下的人类-AI 认知协作。现有分类学没能覆盖这个维度——危机认知协作正是为了填补它。

从一张图，到一个支点，到一系列实验，到公共参与，到填补一个空白——每一步都在问同一个问题：在一个越来越依赖智能机器的世界里，人类的理解力还能往哪个方向走？

🧭 LLM 认知安全 是一个导航入口——将四条独立研究线组织为一条完整的认知安全链条。和传统 AI 安全框架的区别：这里关注的不是"模型会不会出错"，而是"人和模型一起工作时，各自的盲区是否在无人察觉处重叠"。

🌐 全景图正在扫描的领域

## 📄 预印本

预印本已发布 · OSF DOI: 10.17605/OSF.IO/XSY39 · CC BY 4.0

论文已公开发布：

关于 Co-Cognition Lab ​

Co-Cognition Lab 是一个独立研究项目。署名 Li, J.——一个在中国做金融数据分析的从业者，业余时间推进研究。

Lab 聚焦人与大语言模型的协同认知机制，当前涵盖四个方向：

  • LLM 直觉盲区（项目 1）——理论框架与实证研究
  • 竞争格局推演（项目 4）——将理论应用于真实的全球 LLM 竞争分析
  • Co-Cognition 全景图（项目 2）——跨学科域分类学与认知版图绘制
  • 危机认知协作（项目 3）——危机情境下的人类-AI 协作认知

所有推导过程可追溯，所有结论附带前提和证据等级。全部内容以 CC BY 4.0 许可发布。