PulseAugur
中
实时 12:19:46
English(EN) Left-right asymmetry in predicting brain activity from LLMs' representations emerges with their formal linguistic competence

大型语言模型的语言能力驱动大脑活动的左右预测不对称性

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员发现，大型语言模型（LLMs）在预测人类大脑活动方面存在左右不对称性，这种不对称性随着模型正式语言能力的提升而出现。使用fMRI数据和OLMo-2-7B、Pythia等模型观察到的这种不对称性，与模型区分可接受和不可接受句子以及生成格式正确文本的能力相关。研究发现，大脑半球之间这种预测准确性的差异，与算术、Dyck语言任务或基于推理的文本任务的表现不符，表明其与语言处理存在特定联系。 AI

影响 表明大型语言模型中正式语言能力存在特定的神经相关性，可能指导未来的模型开发和脑机接口研究。

排序理由 学术论文，详细介绍研究结果。 [lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

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

大型语言模型的语言能力驱动大脑活动的左右预测不对称性

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Laurent Bonnasse-Gahot, Christophe Pallier ·

    从大型语言模型表征预测大脑活动时，左右不对称性随着其形式语言能力的出现而显现

    arXiv:2602.12811v2 Announce Type: replace-cross Abstract: When humans and large language models (LLMs) process the same text, activations in the LLMs correlate with brain activity measured, e.g., with functional magnetic resonance imaging (fMRI). Moreover, it has been shown that,…

相关实体

相关话题