该研究探讨了大型语言模型（LLMs）的提示设计、模型深度和信息编码对人类认知建模的影响。结果表明，提示格式的变化对模型性能敏感，深度模型在语言建模方面表现更佳。此外，研究揭示了模型层的重要性及其上下文编码能力，并提出了新的评估模型表现的方法，为未来研究奠定基础。

本文研究了预训练模型在语言中的层次化句法功能，发现模型的深度和训练规模对层次化泛化有显著影响。中等深度模型在学习层次结构方面表现优于浅层和深层模型。此外，结构性偏置和合适的语料库能够提升模型的句法推理能力。