深度分析 前瞻式壓縮與庫學習:Pattern Builder Task(PBT)顯示人類偏好可壓縮未來的抽象 本研究在可重構的視覺程式合成任務(Pattern Builder Task)中檢驗人類如何逐步建立可重用的抽象(helpers),並與多種計算模型比較。透過兩種不同的潛在課程設計,作者拆解回溯式壓縮、誘導性偏差與前瞻式生成推理三種原理,發現人類在非定常任務生成過程下傾向選擇能壓縮未來任務的抽象。