LLM与人脑“神同步”：Meta AI证实模型越大，计算路径越像人

大型语言模型（LLM）和人类大脑，一个由硅基芯片驱动，一个由碳基神经元构成，它们的思考方式会有共同点吗？

ArXiv URL：http://arxiv.org/abs/2512.01591v1

来自Meta AI、PSL大学等机构的最新研究给出了一个惊人答案：不仅有，而且它们的计算路径还高度同步！

这项研究发现，LLM处理信息的顺序与人脑惊人地相似。

LLM的浅层网络活动对应大脑的早期反应，而深层网络则对应大脑的晚期反应。

这仿佛是AI与人类心智之间的一场“神同步”。

精巧的实验设计：聆听大脑与LLM的“共鸣”

为了探究这一现象，研究团队设计了一个精巧的实验。

他们让受试者在脑磁图（Magnetoencephalography, MEG）扫描仪中，聆听长达10小时的有声读物，并记录下大脑的实时神经信号。

与此同时，研究人员将相同的文本输入到22个不同架构和规模的LLM中（如Llama 3, GPT-2, Mamba等）。

通过一个线性映射模型，他们得以比较LLM每一层的激活状态与大脑在特定时间点的神经信号。

最终，他们提出了一个关键指标：时间对齐分数（Temporal score），用$r$值表示，这个分数越高，说明LLM的计算顺序与大脑的反应时序越一致。

核心发现：惊人的“时间对齐”

研究结果证实了一个普遍现象：LLM和大脑确实以相似的顺序生成表征。

LLM的浅层（输入端）激活，与大脑接收到单词后约200-300毫秒的早期响应最为匹配。

而LLM的深层（输出端）激活，则与大脑约400-500毫秒后的晚期、更高级的语义整合阶段相匹配。

这种“时间对齐”现象非常稳健，在Transformer、循环网络（RNN）甚至Mamba等不同架构的模型上都得到了验证。

这意味着，LLM与大脑的这种计算路径上的趋同，可能是一种超越特定模型架构的普遍规律。

关键因素一：模型越大，越像大脑

那么，是什么因素促成了这种“神同步”呢？第一个关键答案是：模型规模。

研究团队使用了Pythia模型家族——一系列从1400万到120亿参数、在相同数据上以相同方式训练的模型。

结果清晰地显示，时间对齐现象随着模型规模的增长而出现并增强。

• 对于1400万参数的小模型，时间对齐分数$r$仅为0.44，不具备统计显著性。

• 而对于120亿参数的最大模型，该分数飙升至$r=0.96$，表现出极强的相关性！

简单来说，模型越大，其处理信息的时序就越接近人脑的节律。

关键因素二：上下文越长，越像大脑

如果说模型规模是“硬件”基础，那么上下文长度就是“软件”配置。

研究发现，提供给模型的上下文越长，其时间对齐分数也越高。

研究人员在Llama-3.2 3B模型上进行了测试，逐步增加输入文本的上下文长度。

• 当没有上下文（仅单个词）时，时间对齐分数$r$仅为0.19。

• 当上下文增加到1000个词时，分数大幅提升至$r=0.93$。

这与人类的语言理解过程非常相似：我们依赖前文的语境来更深刻、更快速地理解当前听到的内容。

超越预测：计算路径的深层共鸣

有人可能会问：这种对齐是否仅仅因为LLM和大脑都在做“下一个词预测”？

研究团队通过控制实验排除了这种简单的解释。他们发现，无论是对于非常容易预测的词，还是非常出人意料的“惊喜”词，LLM与大脑的时间对齐都非常稳固。

LLM与人脑惊人同步！Meta AI揭示：模型越大、上下文越长，计算路径越像人

---

大型语言模型（LLM）究竟是如何工作的？它们仅仅是模仿人类语言的统计机器，还是在某种程度上，它们的“思考”过程与人脑有相似之处？

最近，来自Meta AI和法国国家健康与医学研究院（Inserm）等机构的一项重磅研究，为这个问题提供了迄g今为止最直接的证据。研究发现，LLM与人脑在处理语言时，不仅最终的表征相似，连计算过程的“先后顺序”都惊人地一致！

更重要的是，这种“神同步”的程度，与模型的大小和上下文长度直接相关。

实验设计：用10小时有声书“对齐”脑电波与模型

为了探究LLM与人脑计算路径的奥秘，研究者设计了一个巧妙的实验。

他们采集了受试者在收听长达10小时有声书时的脑磁图（Magnetoencephalography, MEG）数据。MEG能够以毫秒级精度捕捉大脑处理语言时的动态神经信号。

与此同时，研究团队将相同的文本输入到22个不同架构和规模的LLM中（包括Llama 3、GPT-2、Mamba等），并提取出模型每一层的激活值。

通过一个线性模型，他们试图用大脑的MEG信号来预测LLM每一层的激活值。预测的准确度，即对齐分数（Alignment Score），就衡量了大脑和LLM在特定时刻表征的相似性。

\[\hat{W} =\underset{W}{\arg\min}\left\{\ \mid Y-XW\ \mid \_{2}^{2}+\lambda\ \mid W\ \mid \_{2}^{2}\right\}\]

关键发现：计算路径的“时间对齐”

研究的核心发现是存在一种显著的时间对齐（Temporal Alignment）。

这意味着，LLM的浅层网络激活，与大脑处理单词后早期的神经反应（约200-300毫秒）最为匹配。

而LLM的深层网络激活，则与大脑后期的、更高级的语义整合阶段的神经反应（约400-500毫秒）最为匹配。

简单来说，从接收一个词开始，大脑和LLM似乎都在沿着一条相似的计算路径前进：从低阶的特征提取，逐步走向高阶的语义理解。

研究者将这种层深度与大脑反应时间的关联度量化为时间分数（Temporal Score），发现几乎所有现代LLM都表现出极高的相关性（平均$r$ = 0.99）。

这个发现意义重大，它表明LLM与人脑的趋同进化，并不仅仅是巧合，也不局限于特定的Transformer架构。

越大越像：模型规模的影响

那么，是什么因素驱动了这种时间对齐呢？研究首先指向了模型规模。

通过分析Pythia系列模型（从1400万到120亿参数，在相同数据上训练），研究者发现了一个清晰的规律：模型越大，其计算路径与人脑的“时间对齐”程度就越高。

如上图所示，14M参数的小模型，其时间分数并不显著（$r$ = 0.44）。

而当模型增长到12B参数时，时间分数飙升至惊人的$r$ = 0.96，呈现出非常清晰的线性对齐关系。

这表明，单纯地扩大模型规模，就能让AI的内部计算过程自发地向人脑的语言处理机制靠拢。

上下文越长，对齐越好

除了模型规模，上下文长度是另一个关键变量。

人类理解语言时，会不断累积上下文信息。LLM也是如此。那么，更长的上下文是否也能促进与人脑的对齐呢？

答案是肯定的。

研究团队在Llama-3.2 3B模型上进行了测试，通过改变输入上下文的长度（从单个词到1000个词），他们观察到：

随着上下文窗口的增长，时间对齐分数也呈现出对数级的增长。

当模型只看到当前单词（无上下文）时，时间对齐几乎不存在（$r$ = 0.19）。

而当上下文增加到1000个词时，时间分数达到了$r$ = 0.93。

这说明，让模型“看得更远”，能够帮助它形成更像人脑的、循序渐进的推理路径。

预测下一个词并非全部

一个很自然的问题是：这种对齐会不会只是因为LLM和人脑都在做“预测下一个词”这件事？

为了验证这一点，研究者将单词按其可预测性分为四组，从“最意料之中”到“最出乎意料”。

结果发现，无论是处理高预测性的词还是低预测性的词（“惊喜词”），LLM都与人脑保持了显著的时间对齐。

这表明，时间对齐并非简单源于自回归预测任务本身，而是反映了一种更深层次、更普适的语言处理机制。

结论与启示

这项研究为我们理解LLM与人脑的关系打开了一扇新的窗户。

1. 首次证实时间对齐：LLM和人脑不仅在表征上相似，其计算路径的“时间顺序”也高度一致。

2. 规模与上下文是关键：模型越大、上下文越长，这种计算路径的相似性就越强。

3. 架构无关性：这种对齐现象存在于多种架构中（Transformer、Mamba等），暗示了语言处理可能存在某种普适的计算原理。

这些发现表明，尽管LLM的训练方式与人脑的生物进化截然不同，但为了高效地处理语言，它们似乎殊途同归，走向了一条相似的计算道路。

当然，研究也存在局限，例如MEG的空间分辨率有限，受试者数量较少等。但它无疑为我们指明了方向：通过系统性地研究影响对齐的因素，我们或许能最终揭开语言智能的终极奥秘，并构建出更高效、更像人脑的AI系统。