本研究探讨了向量符号架构（VSA）与机器学习的关系，并首次将范畴理论应用于VSA。研究表明，VSA可以视为增益单子的范畴中的一个英格，为VSA的推广及其与学习和认知研究的联系提供了新可能性。

大型语言模型在认知研究中表现出复杂的认知行为，但在数学推理和组合性处理上仍存在挑战。研究表明，尽管模型具备相关知识，但无法自发组合以解决新问题。通过改进方法，如自然语言提示和微调，可以部分缓解这一缺陷。未来研究应关注模型的功能组合性和零样本泛化能力。