本文提出了一个称为相似场理论的数学框架，该框架假设相似关系的持久性和变换性构成了任何可理解的动力系统的结构基础。该框架形式化了个体之间的相似性值及其演化的规律。其主要组成部分包括：（1）一个相似场S，定义在个体集合U上：U × U → [0, 1]（满足自反性S(E,E) = 1，并允许不对称性和非传递性）；（2）一个系统的演化过程Zp = (Xp, S(p))，其索引值为p = 0, 1, 2, …；（3）一个纤维Fα(K) = {E ∈ U | S(E,K) ≥ α}（一元映射S_K(E) := S(E,K)的超层集）；（4）一个生成算子G，用于创建新的实体。在此框架下，我们以生成性的方式定义智能，并证明两个定理：(i) 不对称性阻碍了相互包含；(ii) 稳定性要求在参考坐标或水平集内存在最终界限。最后，我们利用此框架来解释大规模语言模型，并展示使用大规模语言模型作为实验工具进行社会认知实验探索的实证结果。
