当认知图遇上大语言模型：BDEI 认知路径在恐慌情绪唤醒预测中的应用

背景

在紧急事件（如自然灾害、公共卫生危机）中，提前预测个体恐慌情绪唤醒（Panic Emotional Arousal）的时机，对于实施主动的紧急干预至关重要。现有的研究方法虽然 incorporates（包含）了认知元素，但大多未能显式地对“情绪唤醒过程”进行建模，导致其在预测情绪唤醒的具体时机方面表现不佳。

情绪产生于对威胁的评估，这一观点在心理学中有着深厚的理论基础，即“评估情绪理论”（Appraisal Emotion Theory）。然而，将这一理论应用于计算模型并解决实际预测问题面临三大核心挑战：

1. 多源信号融合缺失：评估理论认为，情绪源于对多个威胁维度的同时评估，但现有工作未能将这些输入有效融合为“风险感知”。
2. 认知模型结构缺陷：现有的认知模型缺乏明确的“情绪节点”（Emotion node），导致威胁评估与情绪唤醒解耦，迫使系统通过行为间接推断情绪，而非直接建模。
3. 大语言模型（LLM）的局限性：尽管当前方法倾向于利用 LLM 强大的通用认知推理能力作为主要决策者，但往往忽视了 LLM 输出的脆弱性和易产生幻觉（Hallucination）的问题，这可能导致错误在推理链条中传播。

核心内容

针对上述挑战，研究团队提出了 PanicCognitivePath (PCP) 框架。该框架旨在通过结合心理学理论与大语言模型的优势，解决情绪唤醒预测中的三个关键问题。

1. 基于心理距离理论的统一风险度量

PCP 引入了一个基于心理距离理论（Psychological Distance Theory）的 心理安全距离（Psychological Safety Distance, PSD） 模型。该模型负责将来自四个不同领域（domains）的信号映射为一个统一的风险指标（Risk Metric）。这个统一的风险指标作为后续认知推理的入口条件，解决了多源信号融合的问题。

2. BDEI 认知路径的构建

为了解决认知模型中缺乏情绪节点的问题，研究团队在传统 BDI（Belief-Desire-Intention，信念-欲望-意图）认知架构中引入了一个显式的 Emotion（情绪）节点。由此形成了 BDEI（Belief-Desire-Emotion-Intention，信念-欲望-情绪-意图） 认知路径。

• 触发机制：只有当个体的风险指标超过 PSD 阈值时，智能体（Agent）才会进入 BDEI 路径。
• 直接耦合：这一机制将威胁评估直接耦合到情绪唤醒上，使得情绪不再是行为的间接推断结果，而是认知状态转换中的核心环节。

3. 限制 LLM 的作用范围以抑制幻觉

在 PCP 框架中，BDEI 路径 governs（支配）所有的状态转换。大语言模型（LLM）的角色被严格限定在 信念到欲望（Belief-to-Desire）转换的参数估计 上。

• 误差隔离：通过将 LLM 的使用限制在单一转换步骤中，研究团队将潜在的幻觉限制在单个步骤内，从而防止错误在后续的情绪和意图生成步骤中传播。
• 混合架构优势：这种设计既利用了 LLM 在参数估计上的灵活性，又利用传统认知架构在逻辑推理上的稳定性，实现了优势互补。

4. 实验验证

研究团队在 Hurricane Sandy（桑迪飓风） 的数据集上进行了实验。结果显示，与基线方法相比，PCP 框架在情绪唤醒时机预测的准确率上提高了 10.68%，并将峰值计数误差（Peak Count Error）降低至 7.07%。

关键要点

• 理论 grounding：预测模型必须基于评估情绪理论（Appraisal Emotion Theory），因为该理论显式建模了情绪产生的过程。
• 统一风险入口：通过 PSD 模型将多领域信号转化为统一的风险指标，作为认知推理的触发条件。
• BDEI 架构创新：在 BDI 模型中显式加入 Emotion 节点，形成 BDEI 路径，实现威胁评估到情绪唤醒的直接映射。
• LLM 角色受限：LLM 仅用于 Belief-to-Desire 的参数估计，而非全权决策，以此限制幻觉传播。
• 显著性能提升：在真实灾害数据（桑迪飓风）验证中，PCP 在预测精度和误差控制上均优于现有基线方法。

意义与影响

这项研究在计算社会科学和人工智能交叉领域具有重要意义：

1. 方法论突破：它首次明确地将评估情绪理论整合到基于图的大模型推理框架中，解决了以往模型中情绪与认知解耦的问题。
2. 可解释性与安全性：通过限制 LLM 的作用范围并引入明确的认知路径（BDEI），该框架提高了预测过程的可解释性，并有效缓解了大模型在关键决策中的幻觉风险。
3. 应急干预价值：更精准的情绪唤醒时机预测意味着应急管理系统可以更及时、更精准地介入，从而在恐慌情绪爆发前或初期进行有效疏导，提升公共安全管理的效率。
4. 跨学科融合示范：该工作展示了如何将心理学理论（心理距离、评估理论）与前沿 AI 技术（LLM、认知图）有机结合，为构建更拟人化、更可靠的智能体系统提供了新的范式。