他在6月11日报道说，他的家最近是从自动化研究所（Institute of Automation）中学到的，中国科学院研究所是计算机互动与互动研究团队研究团队计算机互动的联合团队，该研究所的计算机互动（NEUBCI），大脑科学和技术卓越卓越的卓越中心，以及大脑科学和大脑技术中的卓越中心，模型，模型，Modsmomal模型。自发地，它形成了与人类非常相似的对象的概念表示系统。这项研究不仅为人工智能的认知科学打开了新的方式，而且还提供了一个理论框架，以建立具有类似于人类的认知结构的人工智能系统。相关研究结果以人类物体的概念表示标题发表在自然机器智能上。人类可以在自然界中概念化对象。这是一个长期的认知能力被认为是人类智力的核心。看着“狗”，“汽车”或“苹果”，不仅可以识别物理特征（大小，颜色，形状等），而且还可以理解其功能，情感价值和文化重要性。尽管传统人工智能研究集中于对象识别的精度，但很少讨论模型是否真正“理解”对象的含义。他的文章的相应作者是研究者：“ AI目前可以区分猫和狗的照片，但是必须阐明这种“识别”和“对猫和狗的理解”之间的本质区别。该团队设计了一种创新的范式，设计了一个集成了计算模型，行为实验和大脑科学的范围，因此基于对象的经典概念，因此必须选择较大的对象。 （从1854年的概念组合）Xperiments。提取了66个“心理维度”，这些维度获得了语义标签。这项研究发现，这些维度是高度可解释的，并且与大脑分类选择区域的神经元活动模式显着相关（作为面部处理的FFA，现场处理的PPA，EBA的EBA，用于SOMA处理）。这项研究还比较了人类在行为选择模式多种模型中的一致性。结果显示了一个大型的多模式模型（例如gemini_pro_vision，qwen2_vl），可提高一致的性能。此外，研究表明，尽管人类倾向于将视觉特征和语义信息结合在一起，以在TOMA决策中进行试验，但大型模型倾向于取决于语义标签和抽象概念。这项研究表明，大型语言模型对现实世界的概念而不是“随机鹦鹉”有人类的理解。
