제한된 인지 자원 아래에서 사람들이 순차 경험으로부터 추상적·재사용 가능한 지식을 어떻게 쌓는지를 율-왜곡(rate-distortion) 이론과 프로그램 귀납을 결합해 설명한다. 과제 내 지역 라이브러리와 과제 간 전역 라이브러리를 구분하고 메모리·계산 제약이 함께 지배하는 위계적 어댑터 문법(HAG)으로 이를 형식화한다. 시뮬레이션에서 HAG는 고정 문법이나 얕은 청킹보다 더 나은 율-왜곡 절충과 강한 일반화를 달성했다. 온라인 멜로디 학습 실험에서 참가자의 회상 오류는 체계적 단순화를, 반응시간은 추론된 프로그램 경계에서 증가를 보였고, 위계적 라이브러리가 회상과 표본 외 선택의 개인차를 가장 잘 설명했다.

• •율-왜곡 이론과 프로그램 귀납을 결합해 자원 제약하 인간의 구조 학습을 설명한다.
• •과제 내 지역·과제 간 전역 라이브러리를 구분한 위계적 어댑터 문법(HAG)을 제안한다.
• •HAG는 고정 문법·얇은 청킹보다 나은 율-왜곡 절충과 일반화를 보였다.
• •멜로디 학습 실험에서 회상 오류·반응시간 패턴이 프로그램 경계와 위계적 라이브러리로 설명됐다.