本文探讨了大型语言模型（LLMs）在语言理解和创造性问题解决中的能力。研究发现，LLMs在文本生成方面表现优异，但在理解意图和信念等认知能力上仍存在不足。通过与人类表现的比较，揭示了两者在问题解决中的独特性和互补性。此外，研究分析了LLMs在随机数生成任务中的表现，指出其在避免认知偏差方面的潜力。总体而言，LLMs为认知科学研究提供了重要见解，但仍需进一步改进。