llm-psychology：用大型语言模型模拟认知过程与记忆机制的研究工具包

llm-psychology是专为神经科学和心理学研究者设计的Python工具包，旨在利用大型语言模型（LLM）模拟认知过程，尤其是记忆编码、检索和巩固机制。该工具包提供模型训练、表示可视化、RAG压缩等功能，架起认知神经科学与现代深度学习的桥梁，为认知建模提供全新可能性。

传统心理学研究者使用的计算模型常受限于手工设计规则和有限表达能力。而大型语言模型凭借强大的模式学习能力和庞大参数空间，为认知建模带来新可能。llm-psychology项目正是为将这种可能性转化为可操作的科研工具而诞生，连接认知神经科学与深度学习领域。

工具包包含四大核心模块：

1. 端到端训练：支持从头训练（如GPT-2）或LoRA参数高效微调，可在单A100 GPU上微调Mistral 7B等大模型；
2. 表示与注意力可视化：提供PCA降维、注意力热图等工具，分析模型表示的层次结构；
3. RAG演示：实现参数化与非参数化记忆结合的混合架构，模拟人类长短时记忆分工；
4. xRAG记忆压缩：基于前沿嵌入模型，支持记忆压缩存储与召回，启发人类记忆机制研究。

项目提供4个Jupyter Notebook教程，覆盖从基础训练到xRAG压缩的全流程，含认知科学背景解释。技术上采用模块化架构，核心代码分布在src/llm_psychology子模块，测试覆盖率保证可靠性。代码中92.7%为Notebook，强调可交互探索；Python代码占7.3%，实现核心算法。

该工具包标志认知科学研究方法的演进：

• 基础研究：可测试记忆编码、巩固、检索的计算理论；
• 应用层面：为认知辅助工具、教育技术、临床干预提供支持；
• 与hippocampal-neocortical-RAG项目关联，显示开发者在计算神经科学领域的持续投入。

llm-psychology代表新兴研究范式：以LLM为认知过程计算模型，既保留传统计算心理学的严谨性与可解释性，又引入深度学习的表达能力与数据效率，是AI与认知科学交叉领域值得关注的开源项目。