超越表征对齐：利用脑引导语言模型实现鲁棒推理

本文探讨了大型语言模型（LLM）与人类高阶认知神经机制之间的对应关系。研究发现，LLM 的内部表征不仅与任务功能性磁共振成像（fMRI）活动部分对齐，还能通过脑信号直接增强。作者提出了一种脑引导框架，通过在推理时干预表征方向及训练时微调，利用脑信号提升 LLM 的演绎推理能力。实验涵盖 10 种不同规模的模型，结果显示该方法能带来正交于纯语言监督的性能增益，准确率最高提升 13%，确立了通往更鲁棒、认知对齐 AI 的新路径。