2025年11月26日发表在《Nature Communications》上的论文《Temporal structure of natural language processing in the human brain corresponds to layered hierarchy of large language models》由以色列希伯来大学、普林斯顿大学、谷歌研究团队等多机构合作完成。该论文探讨了大语言模型（LLMs）作为理解人类大脑语言处理的计算框架的潜力。与传统心理语言学模型依赖符号表示和层次树结构不同，LLMs通过连续数值向量（即嵌入）来表示单词及其上下文。这些嵌入通过模型的多层非线性变换构建而成，能够生成复杂的语言结构。该研究的核心发现是：LLMs的层级层次与人类大脑在自然语言理解中的时间动态高度对应。这为LLMs作为人类语言认知模型提供了新证据。
论文强调LLMs的三个基本原理：基于嵌入的上下文表示、下一个词预测，以及基于错误修正的学习。这些原理已在脑成像和电生理学研究中找到神经对应。例如，上下文嵌入能有效预测大脑活动，预词预测在大脑中表现为自发神经活动，意外词引发更高的神经响应。该研究进一步扩展，考察LLMs的层级序列是否与大脑的时间处理动态一致。通过电皮层电图（ECoG）数据，作者展示了LLMs层级与大脑语言区时间动态的对应关系。
方法论
研究收集了9名癫痫患者的ECoG数据（其中7名有预定义感兴趣区电极），参与者听取一段30分钟的音频播客（“Monkey in the Middle”，NPR 2017）。神经数据预处理为高γ波段信号，以捕捉语言相关活动。作者使用GPT‑2 XL和Llama‑2作为代表性LLMs，将播客文本输入模型，提取每个词在所有层中的上下文嵌入。
焦点脑区包括语言处理流中的四个区域：中上颞回（mSTG，28个电极）、前上颞回（aSTG，13个电极）、下额回（IFG，46个电极）和颞极（TP，6个电极）。这些电极基于先前对静态嵌入（GloVe）的显著编码性能选择。作者训练线性编码模型，使用每个层的嵌入预测神经响应。性能指标为真实神经信号与模型预测信号的相关性。
为区分模型预测准确性，作者将词分为“预测词”（GPT‑2 XL最高概率词，1709个）和“非预测词”（不在前5概率内，1808个）。此外，作者比较了LLMs与经典符号方法的性能，后者包括音素、词素、句法和语义的符号表示。
主要结果
在下额回（IFG，即Broca区），编码结果显示时间序列模式：早期LLM层在词起始附近达到峰值编码性能，后期层则在时间上延迟。这表明LLMs的层级变换对应大脑的时序接收窗口，早期层处理即时信息，后期层整合更长上下文。该模式在预测词中更明显，表明LLMs的准确预测增强了与大脑动态的对应。
扩展到其他语言区，研究验证了语言处理层次的累积信息：从听觉区（mSTG）到句法语义区（IFG），时间接收窗口逐渐延长。这复制了神经科学中信息沿语言通路积累的发现。中间层嵌入最佳预测皮层活动，但ECoG的高时空分辨率揭示了层级与时间动态的精确对齐。
与符号方法比较，LLMs在预测大脑动态上显著优越。符号表示（如音素树或句法树）未能捕捉时间序列，而LLMs的嵌入通过非线性层级更好地模拟神经响应。这支持LLMs作为更优认知模型的观点。
研究还复制了先前发现：LLMs中间层最佳预测大脑活动，但本研究强调层级序列的时序对应。使用Llama‑2泛化结果，确认该对应不限于特定模型。
讨论与意义
该研究的主要贡献包括：首先，提供证据表明LLMs的层级计算序列可建模Broca区语言理解的时间动态，暗示大脑的时间处理类似于LLMs的层级进展。其次，在多个语言区验证模型，复制信息沿层次积累的神经科学结果，支持LLMs建模大脑空间‑时间层次。第三，通过符号方法比较，突显LLMs的优势，并为未来理论测试提供基准数据集。最后，公开对齐的神经和语言数据集，作为自由言语理解神经动态的公共资源。
局限性包括：数据污染可能影响LLMs性能（尽管使用付费材料）；基准测试仅评估孤立知识，无法模拟现实不确定性；道德和句法板块仍是AI弱点。该研究开启了LLMs与其他语言理论比较的道路，如传统符号模型或新兴混合方法。
总体而言，该论文桥接AI与神经科学，表明LLMs不仅是工程工具，更是理解大脑语言处理的框架。未来研究可扩展到其他模态（如阅读或产生语言），或测试更多LLMs（如GPT‑4系列），进一步揭示人类认知机制。
▶️ 喜欢这篇内容？创作真的很辛苦！
欢迎关注我们的 YouTube 频道：
AI Rosetta
你的点赞、订阅和分享，是对我们最大的支持！🙏
更多AI新闻请访问：
https://www.airosetta.com