本研究提出以人为中心的基础模型(HcFMs)分类方法，涵盖感知、生成和智能行为，旨在填补数字人类建模的空白，为研究人员提供发展路线图。

本文研究了在文本冒险游戏和复杂环境中，代理如何利用自然语言进行智能行为。通过构建语言模型和特定机制，代理在游戏中的表现得到了验证。此外，研究还探讨了自我博弈强化学习和心智理论规划技术在提升代理合作能力方面的应用，显示出与人类合作的潜力与挑战。

本文探讨了大型语言模型与人脑神经响应的相似性，提出了一种基于激活条件的结构推断方案，应用于规划和预测。研究表明，深度神经网络的表征学习与人类相似性判断相关，强调信息论在特征量化中的重要性，并讨论了无监督特征学习的最新进展及其对智能行为的影响。