该研究探讨了固定效应多重线性回归模型在过度参数化的数据集上的应用，发现线性模型能够产生精确预测，即使存在非线性依赖关系。研究还提出了一种以预测变量为中心的方法来处理合成和实验数据，特别适用于处理噪声和“不合适”预测变量的正则化问题。

作者发现曲线拟合是错误的符号推理建模方法，尝试使用基于LSTM/GRU的模型进行一阶逻辑分类，但无法学习实际的一阶逻辑。作者认为问题在于学习过程，而不是函数空间的表示能力。推友讨论了Transformer的优势和符号方法的潜力。作者认为智能缺少讲故事的模型。