本研究提出了一种去中心化的感知框架，旨在提升多机器人系统在工业环境中对人类行为的预测能力。研究表明，通过共享信息和结合空间、时间数据，增加机器人数量和时间序列长度可以提高预测准确性，增强系统韧性。

本文探讨了利用自然语言解释训练大型语言模型（LLMs）的方法，研究其在人类行为预测中的表现及偏见问题。评估结果显示人类与LLM评判者均存在偏见，且研究提出了新工作流程以提高法律案例相关判决的准确性，强调了对LLMs改进的迫切需求。