CCN 海报发现，LLM 与大脑对齐在不同皮层系统中差异巨大
neuranna · x · 2026-08-04
一篇 CCN 2026 海报指出，LLM 与大脑的对齐在不同皮层系统里呈现出不同的 scaling 规律。
- 在自然故事聆听的 fMRI 编码任务中，语言网络的预测性能会随着表示维度、训练进度、模型规模和训练故事数量提升而上升。
- 类别选择性视觉区的 scaling 曲线与语言网络相似。
- 听觉皮层则不同：收益很弱，甚至呈现非单调变化。
- 作者进一步发现，像 词速/音素速率 这样的低层特征，解释了听觉皮层的大部分表现，而其他区域依赖的信号来源不同。
- 结论是：LLM 之所以能预测大脑，并不意味着各区域使用的是同一种信息。
「研究」频道最新
- Claude 相关长文提议给智能体科学加上对抗审查技能 — ChrisGPotts · 2026-08-04
- SLT 讲座把神经网络泛化与对齐研究连接起来 — andrewgwils · 2026-08-04
- AI 论文指出 best-of-K 提升的是生成表达能力 — anshulkundaje · 2026-08-04
- ASCII 艺术或许是前沿模型审美最好的基准 — weswinder · 2026-08-04
- 一份涵盖 DeltaNet、FlashKDA 和 MoE 的 AI 解释清单 — austinvhuang · 2026-08-04
- AI 指数在 2024 年末后陡增 5 倍，算力转向推理和后训练 — ProfBuehlerMIT · 2026-08-04