यह शोधपत्र वाक्यों की मोडल श्रेणियों (जैसे संभावना, असंभावना और अतार्किकता) की पहचान करने हेतु विभिन्न कार्यों में प्रयुक्त भाषा मॉडलों (एलएम) की क्षमता की जाँच करता है। जहाँ पिछले अध्ययनों ने मोडल श्रेणियों को वर्गीकृत करने की एलएम की क्षमता पर प्रश्नचिह्न लगाए हैं, वहीं यह अध्ययन रैखिक निरूपणों (मोडल अंतर सदिशों) की पहचान करता है जो विभिन्न एलएम के भीतर मोडल श्रेणियों में अंतर करते हैं। विश्लेषण के परिणाम दर्शाते हैं कि एलएम में पिछले अध्ययनों की तुलना में अधिक विश्वसनीय मोडल श्रेणी वर्गीकरण क्षमताएँ हैं, और मॉडल के प्रदर्शन सुधार (प्रशिक्षण चरणों, परतों और प्राचलों की संख्या में वृद्धि) के अनुरूप मोडल अंतर सदिश एक सुसंगत क्रम में दिखाई देते हैं। इसके अलावा, हम प्रदर्शित करते हैं कि एलएम सक्रियणों के भीतर पहचाने गए मोडल अंतर सदिशों का उपयोग सूक्ष्म मानव वर्गीकरण व्यवहारों के मॉडल के लिए किया जा सकता है, और यह इस बारे में नई अंतर्दृष्टि प्रदान कर सकता है कि मनुष्य मोडल श्रेणियों में कैसे अंतर करते हैं, इसके लिए मोडल अंतर सदिशों के साथ प्रक्षेपणों को मानव प्रतिभागियों की व्याख्या योग्य विशेषताओं की रेटिंग के साथ सहसंबंधित किया जाता है। निष्कर्षतः, यह अध्ययन मशीन व्याख्यात्मक तकनीकों का उपयोग करके एलएम के मॉडल वर्गीकरण में नई अंतर्दृष्टि प्रदान करता है, और मानव मॉडल वर्गीकरण की बेहतर समझ में योगदान कर सकता है।
