本研究探讨了人类在有限资源下形成有效世界表征的方式，提出了认知地图作为生成性程序的概念。实验结果表明，人们在结构化空间中导航时采用模块化规划策略，计算模型展示了人类在不同场景下的行为预测能力，表明规划策略依赖于程序化的认知地图。

本研究探讨了密集室内环境中无线链路行为预测的准确性，比较了神经网络模型与传统方法，结果表明神经网络在捕捉复杂模式方面表现更佳，显著提高了预测准确性。

本研究开发了一种智能高效的机器学习模型，旨在提高高速飞行器在多种飞行条件下的行为预测准确性，并成功应用于空军项目。

本研究探讨了预测强化学习智能体未来行为的挑战，比较了三种预测方法。结果表明，显式规划智能体的预测准确性显著优于其他方法，证明内部状态和模拟能有效提升行为预测。这一发现有助于智能体在复杂环境中的安全应用。

本研究通过SimpleToM数据集探讨大型语言模型在社交环境中应用心智理论的能力。结果显示，模型能预测心理状态，但在行为预测和合理性判断上存在不足，强调增强模型能力的重要性，仍需特定任务干预。