大语言模型表示中脑活动预测的左右不对称性随形式语言能力的显现
计算与语言
2026-02-16 v1 人工智能
神经元与认知
摘要
当人类和大型语言模型（LLM）处理相同文本时，LLM 的激活与通过功能性磁共振成像（fMRI）测得的脑活动相关。此外，已有研究表明，随着 LLM 训练的进行，从其内部激活预测脑活动的能力在左半球和右半球之间呈现更快的提升。本研究旨在理解这种左右不对称性出现的原因。我们使用 OLMo-2 7B 语言模型在不同训练检查点，并针对英语受试者的 fMRI 数据进行比较，分析左右不对称性在脑评分中的演变，同时评估其在多个基准测试中的性能。我们观察到，不对称性与 LLM 的形式语言能力同步出现。这些能力通过两种方式体现：模型能够为可接受的句子赋予高于不可接受句子（在最小对比对中）的高概率，或其生成的文本结构良好。相反，左右不对称性不与算术或 Dyck 语言任务的性能相关；也不与涉及世界知识和推理的文本任务相关。我们将这些结果推广到另一类 LLM（Pythia）以及另一种语言——法语。我们的观察表明，脑可预测性的左右不对称性与形式语言能力（语言模式知识）的进步相匹配。
引用
@article{arxiv.2602.12811,
title = {Left-right asymmetry in predicting brain activity from LLMs' representations emerges with their formal linguistic competence},
author = {Laurent Bonnasse-Gahot and Christophe Pallier},
journal= {arXiv preprint arXiv:2602.12811},
year = {2026}
}