default mode network
PulseAugur coverage of default mode network — every cluster mentioning default mode network across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
探讨人工智能在社会、地缘政治和人类认知中的作用 · 已追踪10个来源
来自Mastodon的几篇帖子讨论了人工智能与人类生活和社会的各个方面的交叉。主题范围从适应不稳定和放弃旧习惯到管理能源和弥合文化鸿沟。一篇帖子专门讨论了AI地缘政治，对比了美国和中国的方法，而其他帖子则探讨了人机合作以及AI监管的伦理考量。更广泛的主题涉及认知健康、社会公平以及技术对人类连接的影响。
-
大型语言模型在创造性思维中展现出与人脑的对齐
一项发表在arXiv上的新研究探讨了在创造性思维任务中，大型语言模型（LLMs）与人脑的对齐情况。研究人员使用了参与者执行“替代用途测试”（AUT）时的功能性磁共振成像（fMRI）数据，并分析了不同规模LLMs的表征。研究发现，大脑-LLM的对齐程度与模型规模以及生成想法的原创性呈正相关，尤其是在创造过程的早期阶段。此外，研究表明训练后目标会影响这种对齐，与针对创造性优化的模型相比，经过推理训练的变体展现出不同的模式。
-
Krakencoder 分析揭示大脑连接组中细微的性别差异
一项发表在 arXiv 上的新研究使用 Krakencoder 框架分析了大脑连接组中基于性别的差异。研究人员检查了来自人类连接组计划 702 名参与者的结构和功能连接组，评估了移除个体 Yeo-7 功能网络的影响。默认模式网络引起了最大的扰动，而体感运动网络的影响最小。虽然预测连接组中的性别特异性信息很微妙，但与单独的扰动衍生特征（66.09% 的准确率）相比，完整的预测连接组保留了显著更多的性别区分信息（准确率高达 84.76%）。
-
Beta-TCVAE 模型适用于非线性 fMRI 数据分析
研究人员已将 $\beta$-TCVAE 模型应用于分析非线性 fMRI 数据，旨在分离复杂的脑信号。该方法通过直接从神经影像数据中学习有意义的潜在表示，超越了传统的线性方法。研究表明，改进后的 $\beta$-TCVAE 可以识别生物学相关成分，如默认模式网络，并揭示连贯的大脑组织模式。