AI 與世界的難題 · 生命科學 · arXiv · 2026-10-19
大型語言模型深層可在默讀過程中揭示腦電圖中的段落層級脈絡
原標題: Deep LLM layers expose passage-level context in EEG during silent reading
先前有一項研究利用大型語言模型(LLM)的隱藏狀態嵌入,從默讀期間記錄的19通道腦電圖(EEG)中解碼字詞層級的資訊。本研究為Llama-3.1-8B的每一層各訓練一個解碼器,發現字詞層級的可解碼性在較早的層達到高峰,並朝最後一層下降,而脈絡追蹤能力則隨深度增加而提升。對照實驗顯示,脈絡追蹤主要是跟隨文本,而非字詞解碼或特定實驗時段的特徵,即使只有單一0.5秒的EEG視窗,也帶有段落層級的資訊。