本稿では、人間の行動を正確に予測する重要性に焦点を当て、従来のアプローチの限界を指摘しています。具体的には、既存のモデルは多くの場合、非現実的な合理性の仮定や計算コストの高さにより、データを多く必要とし、柔軟に適応できません。著者たちは、日常の社会的相互作用が予測可能なパターンに従うことが多いとの洞察を基に、これらのルーチンを行動プログラムとしてコンピュータコードでモデル化する新たなアプローチを提案しています。彼らの開発したROTEというアルゴリズムは、大規模言語モデルを用いて行動プログラムの仮説空間を構築し、その不確実性を推論するための確率的手法を取り入れています。実験では、ROTEは人間やAIの行動を少ない観察データから予測し、行動クローンやLLMに基づく方法と比較して最大50％の精度向上を実現しました。この研究により、人間行動の理解をプログラム合成の問題として扱う新たな道が開かれ、実世界におけるAIシステムの行動予測が効率的かつ効果的に行える可能性が示されています。