arXiv · cs.AI· Camila Kolling, Omer Moussa, Emin \c{C}elik, Mariya Toneva·· 6 小时前
SCRIBE：利用大语言模型构建可解释的脑基础上下文语义表示
SCRIBE: Scalable Contextual Representations of Interpretable Brain-Grounded Semantics
arXiv:2610.21518v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Camila Kolling, Omer Moussa, Emin \c{C}elik, Mariya Toneva
研究任务与主要进展
SCRIBE利用一组开源大语言模型和神经科学启发的语义空间，为任意文本生成可解释的词级语义表示。基于论文摘要，921名参与者的行为研究表明，SCRIBE可捕捉随语境变化的语义判断，达到估计人类噪声上限的75%—81%。它还能预测自然故事聆听时语言选择性脑区的神经活动，优于非上下文语义表示，并解释超出所测句法特征的部分脑预测信息。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org