本論文では、人間の推論における情報の動的な蓄積と変換に関する理解を深めることを目指しています。著者たちは、従来の論理や確率モデルでは個別のモデリングや出力の一部しか明らかにできなかった問題を解決するために、情報流トラッキング（IF-Track）を提案しました。この手法は、大規模言語モデル（LLM）を用いて推論の各ステップでの情報のエントロピーとゲインを定量的に測定します。多様なタスクに対する詳細な分析を通じて、IF-Trackは人間の推論行動の普遍的な風景を1つのメトリックスペース内でモデル化する初めての試みとなります。さらに、IF-Trackを用いて単一プロセス理論と二重プロセス理論を調和させ、人工知能と人間の認知の整合性を示し、LLMが人間の推論プロセスをどのように再形成するかを探ります。このアプローチは、理論と測定の間に定量的な架け橋を築くことを提唱しています。