我们提出了一种概率波框架，用于刻画相互作用的自适应主体的集体行为，并通过广义行为智能（GBI）非局部概率波方程推导出可检验的本征模。该框架能够以解析机制捕获广泛的人类智能行为，并提供一种间接手段检验刘-陈-奥（LCA）假设，即大脑中存在非局部纠缠的神经纤维，这一假设可以通过集体交易行为得到验证。\
对中国日内股票市场数据的实证分析表明，自适应纠缠游戏模式能够解释 82%–94%（整体 89%）的观测决策模式，这与基于独立理性主体的传统金融模型形成鲜明对比。与此同时，2%–12% 的行为表现出对日内新闻、事件和环境的适应性，其特征为双重平衡状态和突发的参考点转移，而纯独立模式的出现率不足 5%。这些结果为 LCA 假设提供了经验支持，因为可观测的交易行为反映了大脑机制和行为心理学中的内部决策过程。\
研究强调，在人工通用智能（AGI）架构中必须引入自适应纠缠游戏模块，以弥补传统基于数万亿不透明参数的人工神经网络（ANN）AI 的局限。通过将 ANN 与基于概率波的纠缠脑模拟相结合，机器学习可以丰富 AGI 基础模型（FMs），并推动人类类处理单元（HPU）的研发，这类单元利用大脑启发的机制，有望构建更紧凑、高效且鲁棒的 AGI 系统，尤其在具身智能和机器人领域具有重要意义。\
点评