この記事では、個人の意思決定モデルが特にワクチン接種のような高リスクの場面で、集団の最適予測からどのように逸脱するかを探求しています。このギャップは、個々の意思決定プロセスの独自性によって生じ、数値的属性（コストや時間など）や言語的影響（個人の好みや制約など）が影響を与えます。著者たちは、効用理論を基にし、Large Language Models（LLMs）のテキスト推論能力を活用した「適応的テキスト-記号的人間中心推論フレームワーク（ATHENA）」を提案しており、最適な情報統合に向けた新しい方法を提供します。ATHENAは、グループレベルの記号的効用関数の発見と、個別レベルの意味的適応の二段階で構成されており、実際の旅行手段やワクチン選択タスクでの検証により、従来のモデルよりも優れた予測性能を示しています。