研究发现，多模态大语言模型（MLLMs）能够自发形成类似于人类的物体概念表征。通过行为实验和神经影像分析，构建了AI模型的“概念地图”，揭示了AI的认知结构与人类的相似性，推动了机器理解的研究进展。

本研究提出BAM模型，探讨人类在认知任务和日常生活中的决策变异性。结合神经网络与行为实验，研究表明该框架能有效预测和操控参与者的感知决策变异，为个性化分析提供新工具。