AI框架将LLM大脑预测转化为可测试的科学理论

研究人员开发了一个名为生成因果测试（GCT）的新框架，以理解神经科学中使用的LLM（大型语言模型）的“黑箱”性质。GCT将LLM关于大脑活动的预测提炼成简洁的口头解释，例如“食物准备”或“地点名称”。然后，通过使用LLM生成旨在专门激活目标大脑区域的新故事来测试这些解释，受试者在fMRI扫描仪中听这些故事。该方法已成功确认了已知的大脑区域选择性，甚至区分了先前无法区分的相邻区域。 AI

影响 该框架有可能通过使复杂的AI模型可解释来加速对人脑的理解，从而可能在神经科学领域取得新发现。

排序理由 该集群描述了在科学论文中发表的一个新框架和方法论，代表了一项新颖的研究贡献。[lever_c_demoted from research: ic=1 ai=1.0]

在 Microsoft Research 阅读 →

• Columbia University
• Generative Causal Testing
• Large Language Models
• Microsoft Research
• Nature Neuroscience
• University of California, Berkeley
• University of California, San Francisco

• 论文
• 产品

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →