本研究通过对比人类与Transformer网络在规则学习任务中的表现，揭示了二者对训练数据分布的敏感性存在惊人相似性。研究发现，无论是人类还是Transformer，其“情境学习”(in-context learning)与“权重学习”(in-weights learning)策略均受数据冗余度与多样性的权衡所驱动。