人类是强大的泛化者，能够跨多个领域进行推断、预测和生成模式。
经常在人类行为中观察到的递归模式由嵌入在同类其他结构中的结构组成。它们被视为跨领域，如自然语言、音乐、计算机编程和数学：
自然语言：例如，“他们不知道我们知道”这样的结构是一个句子嵌入另一个句子
- 音乐：例如，在重复的旋律短语中重复旋律短语
- 计算机编程：例如，诸如循环嵌套在其他循环中的过程
- 数学：例如，分形、递归定义的函数、重复分数
递归模式很少（如果有的话）由非人类的动物中产生，这导致一些人推测：感知、预测和产生递归模式是区分人类认知和动物认知的关键特征。
产生递归序列的能力是丰富的、算法认知的标志，也许是人类独有的。
然而，递归模式处理的起源和机制尚不清楚。驱动递归序列生成的确切过程仍然是神秘的。
我们研究了递归模式处理的三种潜在认知机制：
- 层次推理、
- 顺序推理
- 关联链
我们开发了一个贝叶斯混合模型来量化这三种认知机制对成年人类在序列生成任务中的表现的贡献程度。
我们进一步测试了递归规则的发现是否取决于关系信息，无论是感知的还是语义的。
我们发现：
- 关系信息的存在促进了层次推理，并推动了跨越中心嵌入的新深度的递归序列的生成。
- 在没有关系信息的情况下，顺序推理的使用占主导地位。
总结：
参与者主要在感知和语义条件下使用层次推理，但在无支持条件下使用顺序推理。
- 层次推理用户倾向于生成嵌套的嵌入式层次树结构，其中较低级别的单元组合形成较高级别的单元
- 关系结构有助于递归模式处理，但不是强制性的。
- 当不能或不愿意使用层次推理时，参与者默认使用顺序推理。当没有可用的关系支持时，成年人不会轻易生成递归规则。
- 与顺序推理相比，层次推理可能需要更高的执行功能（工作记忆、注意力、动机等）需求，因此在无支持条件下成功使用层次推理的少数参与者可能更专注于任务。
- 使用层次推理的困难可能是由于其他原因，例如与复杂、抽象的层次推理相比，顺序推理（一种线性认知机制）更为原始。
- 当成年人不能或看不到序列项目之间的关系时，他们会恢复顺序推理，就像儿童、非人类灵长类动物和神经网络一样，他们首先学习将项目排序为有意义的模式。