该项目研究系统复杂性与人工智能智能之间的关系，通过训练大型语言模型（LLMs）来预测不同复杂度的元胞自动机（ECA）规则，并评估模型在逻辑推理和国际象棋预测任务中的表现。研究发现，较高复杂度的规则可能提升模型表现，存在一个“混沌边缘”的最佳复杂性水平有利于智能涌现。项目提供了完整的预训练和下游任务代码，便于复制和扩展。
