.png){kind=icon}
返回
A population code for semantics in human hippocampus
.png){kind=icon}
PRE
AI
DOI：10.1038/s41593-026-02436-4.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
受大型语言模型（LLMs）成功的启发，我们假设大脑中的语义信息可能以神经活动的分布式模式表达。我们记录了个体在听叙事性话语时海马神经元的活动。本研究采用编码模型方法，发现语义编码具有鲁棒性，即使在控制音位学和语法因素后也是如此。单个单词具有复杂的选型性，包括多个语义类别中的多个单词。与LLMs中的嵌入向量类似，神经元群体响应之间的距离与语义距离相关。对于语义相似的单词，即使是上下文嵌入器也表现出语义距离与神经距离之间的负相关；我们将此模式归因于对比编码的降噪益处。最后，神经元群体活动与GPT-2嵌入最为接近，响应模式的变化与LLM衍生的多义性指标相关，表明语义编码在很大程度上是上下文相关的。最终，这些结果为理解海马神经元在语言听懂过程中如何编码单词意义提供了神经计算的解释。Franch等人表明，人类海马神经元通过分布式、上下文敏感的群体活动编码我们听到的单词含义，这种活动模式反映了大型语言模型的一些特征。
期刊
IF:
20
论文数:
628
被引数:
7.1W
机构
引用论文
Improved Optimization for the Robust and Accurate Linear Registration and Motion Correction of Brain Images改进的优化方法，用于大脑图像的鲁棒和精确的线性配准和运动校正.png)
NeuroImage
NeuroImageIF0
PREAI
分享收藏Where Is the Semantic System? A Critical Review and Meta-Analysis of 120 Functional Neuroimaging Studies语义系统在哪里？120功能性神经影像学研究的批判性回顾和荟萃分析
OAAI
OAAI分享收藏Localization of dense intracranial electrode arrays using magnetic resonance imagingNeuroImage
OAAI
NeuroImageIF0
OAAI分享收藏
查看更多内容