本研究提出了一种基于领导者-追随者动态的新方法，旨在解决文本生成互动运动中捕捉用户意图和轨迹需求的问题，从而改善运动范围，提高生成运动的真实性和准确性。

作者分享了在软件工程领域的经验，建议初学者重视数据结构和算法等基础概念，而不是追逐不断变化的库和框架。这些基础在大公司面试中很关键。此外，了解设计模式、软件架构和系统设计也很重要。作者提醒不要过于依赖单一语言，避免无谓的语言比较。

研究发现特朗普的追随者更加极端化和有影响力，也更可能是非常年轻或非常老。克林顿的追随者在Twitter中没有性别亲和性，但种族更加多样化。

研究发现，追随者可以通过策略性行动操控领导者的奖励信号，使其策略收敛到对自己更有利的均衡状态。研究还提出了最后迭代收敛和样本复杂度方面的结果，并设计了一种新的操控策略，相对于最优应对策略具有内在优势。实证结果支持理论结果。

研究了神经人工智能代理在协作性参照游戏中对伙伴行为的适应性。实验结果显示代理能够根据伙伴的自信程度和自治程度进行调整。