本研究提出了SHIRE框架，通过编码人类直觉提升深度强化学习的样本效率。实验结果表明，该方法在多个环境中实现了25-78%的样本效率提升，并增强了策略的可解释性。

研究发现大型语言模型在某些情况下表现出人类直觉的行为，并通过试探研究证明了这一点。研究还探究了测试模型倾向于类似直觉决策和机器行为的方法。这些发现揭示了模型在认知科学方面的新兴特征和潜力。