多语言语言模型中的计算性损伤：分离共享与语言特定的大脑对齐
计算与语言
2026-04-14 v1 人工智能
计算工程、金融与科学
摘要
大脑如何支撑不同语言是神经科学中的基本问题，也是多语言人工智能的有用测试基准。神经影像学已识别出跨语言的语言敏感性脑区，但本身无法显示底层处理是共享的还是语言特定的。本文利用六个多语言大型语言模型（LLM）作为可控系统，创建针对性的"计算性损伤"，通过将对跨语言重要或特定于某一语言的参数集置零来实现。我们比较完整模型与损伤模型在预测原生英语、中文和法语（112 名受试者）在自然故事聆听期间 100 分钟的功能性磁共振影像（fMRI）反应的能力。对紧凑共享核心进行损伤会使整个大脑编码相关性降低 60.32%，而语言特定损伤保留了跨语言嵌入空间中的语言分离，但选择性削弱了匹配原生语言的脑可预测性。这些结果支持一种带有嵌入专化的共享主干结构，并为研究多语言脑-模型对齐提供了因果框架。
引用
@article{arxiv.2604.10627,
title = {Computational Lesions in Multilingual Language Models Separate Shared and Language-specific Brain Alignment},
author = {Yang Cui and Jingyuan Sun and Yizheng Sun and Yifan Wang and Yunhao Zhang and Jixing Li and Shaonan Wang and Hongpeng Zhou and John Hale and Chengqing Zong and Goran Nenadic},
journal= {arXiv preprint arXiv:2604.10627},
year = {2026}
}
备注
23 pages, 5 figures, Journal format