นักวิจัยได้นำเสนอโมเดลคอมพิวเตอร์แบบใหม่ที่มุ่งแก้ไขความท้าทายในการเรียนรู้ความรู้เชิงนามธรรมจากประสบการณ์ที่จำกัดของมนุษย์ โดยการจัดเก็บความรู้เชิงสัญลักษณ์ในรูปแบบของ 'Mental Programs' หรือโปรแกรมจำลองความคิดที่ผสมผสานระหว่างภาษาธรรมชาติและซอร์สโค้ด โมเดลนี้ใช้อัลกอริทึมการเรียนรู้แบบ Bayesian ที่มีโมเดลภาษาขนาดใหญ่ (LLM) เป็นตัวชี้นำในการอนุมานโปรแกรมเหล่านี้อย่างต่อเนื่อง
ผลการศึกษาจากการจำลองพฤติกรรมแสดงให้เห็นว่าโมเดลนี้สามารถเลียนแบบสัญญาณการเรียนรู้ของมนุษย์ได้อย่างแม่นยำ เช่น อาการปักใจเชื่อ (Anchoring) และพฤติกรรมการสอบถามข้อมูล ซึ่งผลลัพธ์นี้มีประสิทธิภาพสูงกว่าการใช้ LLM เพียงอย่างเดียวหรือการใช้โมเดล Bayesian แบบดั้งเดิมที่มักล้มเหลวในงานที่ซับซ้อนหรือใช้ทรัพยากรในการคำนวณสูงเกินไป
