使用仿真推断逆转大脑功能基石模型
机器学习
2026-04-30 v2 人工智能
机器学习
摘要
大脑功能的基石模型承诺为体内神经科学打开新的前沿，通过模拟神经元对复杂刺激的响应，跨越任务和模态。自然的下一步是询问这些模型是否也可用于逆向操作。我们能否从合成脑活动中恢复刺激或其属性？我们在概念验证设置下使用 TRIBEv2 研究了这个问题。我们将大脑模拟器与大型语言模型 (LLM) 配合使用，后者根据价值、唤醒和支配等语言参数生成新闻标题。随后，我们使用仿真推断学习从脑图到潜在刺激参数的概率映射。我们的结果表明，这些参数可以从预测的脑图中恢复，这验证了神经编码的质量。结果还表明，LLM 可作为可控制刺激生成器，用于模拟实验。这些发现为向解码和逆向设计的大脑基石模型迈进了一步。
引用
@article{arxiv.2604.23865,
title = {Inverting Foundation Models of Brain Function with Simulation-Based Inference},
author = {Niels Bracher and Xavier Intes and Stefan T. Radev},
journal= {arXiv preprint arXiv:2604.23865},
year = {2026}
}