Driving and suppressing the human language network using large language models.
使用大型語言模型來操控和抑制人類語言網絡。 bioRxiv 2024-02-07

Transformer模型像GPT可以預測人腦對語言的反應，並生成類似人類的語言。研究者利用1,000句子的fMRI數據，展示基於GPT的模型可以預測句子對人腦的反應。他們利用這個模型找出能影響語言網絡大腦活動的新句子，發現這些句子能強烈影響個體的語言區域。研究指出，句子的驚喜和結構會影響大腦反應。結果顯示，神經網絡模型不僅可以模擬人類語言，還能影響高級腦區（如語言網絡）的神經活動。 PubMed DOI

A shared linguistic space for transmitting our thoughts from brain to brain in natural conversations.
在自然對話中傳遞我們思維的共享語言空間。 bioRxiv 2023-10-19

這項研究探討有效溝通如何依賴在不同情境中對詞語意義的共同理解。通過分析癲癇患者對話期間的腦部活動，研究人員發現語言模型學習的嵌入空間可以捕捉說話者和聽眾之間神經活動的對齊。這表明大腦在詞語表達之前和之後處理語言內容，提供了洞察力，說明了在現實互動中思想如何傳遞。 PubMed DOI

Driving and suppressing the human language network using large language models.
使用大型語言模型來操控和抑制人類語言網絡。 Nat Hum Behav 2024-04-02

Transformer模型如GPT可預測大腦對語言的反應，並識別影響大腦活動的句子。研究發現句子的驚喜和結構影響大腦反應。結論是神經網絡模型可模擬人類語言並控制大腦區域活動。 PubMed DOI

Sentence-level embeddings reveal dissociable word- and sentence-level cortical representation across coarse- and fine-grained levels of meaning.
句子級嵌入揭示了在粗粒度和細粒度意義層次上，可區分的詞和句子級皮層表示。 Brain Lang 2024-03-08

一項使用 64 人參與的 fMRI 研究發現，句子的神經表示比單詞更豐富，整體提升了 20-25%。不同腦區對粗粒度和細粒度含義有不同反應，顯示不同區域專門處理不同含義。 PubMed DOI

Studying Psychosis Using Natural Language Generation: A Review of Emerging Opportunities.
運用自然語言生成研究精神病癥：新興機會回顧。 Biol Psychiatry Cogn Neurosci Neuroimaging 2024-03-06

精神疾病如精神分裂症的思維混亂對社交功能影響深遠。研究精神病與語言演化關係，透過自然語言生成系統探索症狀成因。利用不同階段的NLG系統研究精神病語言特徵，模擬實驗有助於理解患者思維障礙。這種方法或許能帶來新的治療策略。 PubMed DOI

Dissociating language and thought in large language models.
大型語言模型中語言和思維的分離。 Trends Cogn Sci 2024-03-20

大型語言模型（LLMs）在理解語言方面有進展，但在語言能力和認知方面看法不同。研究評估LLMs的形式語言能力和功能語言能力，人類神經科學顯示這兩種能力依賴不同神經機制。LLMs在形式能力表現優異，但在功能任務上表現不穩，可能需要額外調整或外部模組。為了達到人類般的語言使用，模型可能需掌握兩種能力，並提供專門機制。 PubMed DOI

Evaluating Large Language Models' Ability Using a Psychiatric Screening Tool Based on Metaphor and Sarcasm Scenarios.
評估大型語言模型在基於隱喻和諷刺情境的精神病篩檢工具中的能力。 J Intell 2024-07-26

這項研究指出，阿斯伯格症兒童在理解諷刺等細微溝通上面臨挑戰，儘管他們的語言能力不錯。研究者透過特定測試來區分阿斯伯格症與其他狀況，如注意力不足過動症（ADHD），主要針對隱喻和諷刺的理解。最近對大型語言模型的評估顯示，這些模型在隱喻理解上有所進步，但在諷刺方面卻沒有相同的進展，可能需要不同的方法，與大腦情感處理有關。因此，為大型語言模型設計針對性訓練策略，提升其理解諷刺的能力，對於模擬人類認知過程非常重要。 PubMed DOI

Neural tracking of speech acoustics in noise is coupled with lexical predictability as estimated by large language models.
在噪音中語音聲學的神經追蹤與大型語言模型估算的詞彙可預測性相關聯。 eNeuro 2024-08-02

這項研究探討成年人在忽略一位講者的情況下，如何處理來自兩位不同講者的語音，並利用腦電圖（EEG）測量神經反應。研究重點在於語音的聲學特徵、單字頻率及單字的可預測性，後者是透過GPT-4估算的。結果顯示，英語母語者在分辨目標講者與干擾講者上表現較佳，而視覺任務能減少詞彙處理。當單字可預測性低時，聽眾更專注於聲學特徵，顯示語音感知涉及聽覺與詞彙處理的複雜互動，突顯在挑戰性聆聽環境中的適應性。 PubMed DOI

A shared model-based linguistic space for transmitting our thoughts from brain to brain in natural conversations.
一個共享的基於模型的語言空間，用於在自然對話中將我們的思想從大腦傳遞到大腦。 Neuron 2024-08-03

這項研究探討有效溝通如何依賴於對詞彙意義的共同理解。研究人員記錄癲癇患者的自發對話，並開發一個框架，將說話者和聆聽者的腦部活動對齊到大型語言模型（LLM）定義的共享空間。結果顯示，LLM的情境嵌入能更好地捕捉說話者與聆聽者之間的神經對齊，超越傳統的語法或發音模型。這項研究強調了LLM在理解人類溝通複雜性方面的潛力。 PubMed DOI

Assessing dimensions of thought disorder with large language models: The tradeoff of accuracy and consistency.
使用大型語言模型評估思維障礙的維度：準確性與一致性的權衡。 Psychiatry Res 2024-09-03

這項研究探討了現代大型語言模型（LLMs），如GPT-3.5、GPT-4和Llama 3，在評估精神分裂症的正式思維障礙方面的有效性。研究發現，這些模型生成的評分與專家評分相當一致，顯示出不錯的準確性。不過，LLMs的評分在準確性和一致性上存在權衡，傳統自然語言處理方法則較為一致。研究者建議透過參數調整和集成方法來改善這種不一致性，並討論了將這些技術應用於精神評估的最佳實踐。 PubMed DOI

原始文章

站上相關主題文章列表