速度、质量和复杂决策的最佳时机：现场证据
研究人类在制定决策时可能产生错误的情况，以国际象棋运动员的决策为例，从围绕技能、时间和决策难度三个方面特征进行分析，并且发现描述决策困难度的特征比技能或时间更有影响力。
Jun, 2016
研究人员基于人类下棋决策的详细数据，通过AlphaZero构建了一种定制化的人工智能引擎Maia，能够更准确地预测人类棋手的下棋。这项研究表明，重点是建立精确的人类决策模型，安装有人类协作的人工智能系统具有很大的潜力。
Jun, 2020
利用认知科学的知识建立数学模型并提供了一个普遍的框架，用于理解认知偏差和人工智能精度之间的相互作用，特别是锚定偏差，通过一项有效的时间分配策略，成功提高了人工智能的协作性能。
Oct, 2020
对在线评估工具进行策略应对的研究表明，在考虑个体决策者和决策机构间多次周期策略互动的情况下，多轮互动使得决策机构更加有效地激励个体决策者朝期望的方向累积努力，并考虑延长时间框架和考虑决策累积的很多关键因素需要加以研究和解决。
Jun, 2021
该论文研究机器学习如何应用于人类行为识别，提出一种基于Transformer的应用于棋类游戏，可以在只有100个标记棋局的情况下正确识别出准确率达到98%的玩家，同时也讨论了该方法对人类行为伦理的潜在影响。
Aug, 2022
通过引入基于更新等价的框架，使决策时间规划算法不依赖公共信息，可以在具有大量非公共信息的场景中有效地进行决策时间规划。在Hanabi中的实验中，该算法家族的成员产生了可比较或优于最先进方法的结果，并且改善了3x3 Abrupt Dark Hex和Phantom Tic-Tac-Toe的性能。
Apr, 2023
这篇论文通过探究ChatGPT（OpenAI的先进语言模型）处理复杂推理任务（以国际象棋为例）的表现，利用评估棋盘理解、国际象棋规则遵守和战略决策能力的健全指标来识别其注意机制和自我调节能力的局限性，以及在自然语言体量较大或棋盘状态理解较明晰时决策力的增强；这些研究结果对于突破自然语言处理的局限，为展示类人认知能力的模型提供了宝贵的信息。
Aug, 2023
本研究解决了人类在战略环境中决策行为理解的长期问题，开展了超过9万个决策的数据分析，展示了深度神经网络在预测人类选择方面的优越性。研究发现，个体游戏的复杂性影响人们的决策能力，并揭示了偏离理性纳什均衡的原因，这表明机器学习不仅能用于预测，还能提供对复杂人类行为的新解释。
Aug, 2024