arXiv cs.AI· Camila Kolling, Omer Moussa, Emin \c{C}elik, Mariya Toneva·· 2 天前AI 评分29
SCRIBE：可扩展的可解释脑语义上下文表征框架
SCRIBE: Scalable Contextual Representations of Interpretable Brain-Grounded Semantics
AI 导读
研究者提出 SCRIBE，一个基于神经科学语义空间、用开源大语言模型集成生成可解释词级语义表征的框架。在 921 名参与者的行为研究中，SCRIBE 捕捉到人类语义特征判断随语境的变化，达到估计人类噪声上限的 75-81%；在自然故事聆听的脑活动数据上，其预测语言选择性脑区神经响应的表现显著优于非上下文语义表征。
正文 · AI 翻译
摘要：理解人脑如何从现实世界的语言中构建意义仍然是一项根本性挑战，因为语义依赖于在自然环境中不断变化的语境。为了能够在人脑中研究现实世界的语言意义，我们提出了 SCRIBE，这是一个基于神经科学启发式语义空间的框架，利用开源大语言模型集成来为任意文本生成可解释的词级语义表征。在一项有 921 名参与者参与的行为研究中，我们表明人类的语义特征判断会随语境系统性地变化，而 SCRIBE 能够捕捉这些变化，达到估计的人类噪声上限的 75-81%。利用参与者在聆听自然故事时记录的大脑活动，我们进一步证明 SCRIBE 能够预测语言选择性脑区的神经反应，显著优于非语境化的语义表征。方差分解表明，SCRIBE 解释了超越句法特征的独特脑预测信息，表明其表征捕捉到了所测量句法特征未能涵盖的语言意义方面。总之，这些发现确立了 SCRIBE 作为研究人脑中自然语言语义的可扩展且可解释的基础。
| 学科： | 人工智能（cs.AI）；计算与语言（cs.CL） |
| 引用为： | arXiv:2610.21518 [cs.AI] |
| （或 arXiv:2610.21518v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.21518 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Camila Kolling [查看电子邮件]
[v1]
2026年10月15日星期四 08:51:15 UTC（8,125 KB）
来源：arXiv cs.AI · arxiv.org