SCRIBE
一种可解释的语境语义表示框架，涵盖65个神经认知学上有据可依的语义属性，用于分解大脑活动与LLM表征之间的对齐关系
时间轴 (近 90 天)
SCRIBE 的可解释性建立在“语义特征空间”这一中间层上，而非直接解剖某个模型的内部神经元。
研究团队招募了 921 名参与者进行行为实验，对词语的语义特征进行评分。
SCRIBE 生成的上下文相关语义表示能够追踪同一词在不同语境下的语义特征评分偏移，达到人类噪声上限的 75%–81%。
SCRIBE 在预测自然叙事故事 listening 任务中语言选择性脑区的神经反应时，显著优于非上下文的语义表示。
方差分解分析显示，SCRIBE 在研究者选取的句法特征之外仍能解释独特的脑预测信息。
SCRIBE 没有训练新模型，而是用一组开源大语言模型集成来生成语义表示，以降低复现门槛并让语义表示的来源更透明。
SCRIBE 依赖大模型集成的语义空间，而该空间是否与大脑的语义组织完全对齐仍是一个开放问题。
SCRIBE 的行为实验中噪声上限估计依赖于具体实验设计和参与者群体。
自然叙事 listening 任务虽然比传统实验更接近真实语言使用，但仍然是一种受控场景。
SCRIBE 目前是一个研究框架，不是产品。
还有 12 条时间轴事件
全部知识事实 (20)
SCRIBE 的可解释性建立在“语义特征空间”这一中间层上，而非直接解剖某个模型的内部神经元。
50%待验证研究团队招募了 921 名参与者进行行为实验，对词语的语义特征进行评分。
50%待验证SCRIBE 生成的上下文相关语义表示能够追踪同一词在不同语境下的语义特征评分偏移，达到人类噪声上限的 75%–81%。
50%待验证SCRIBE 在预测自然叙事故事 listening 任务中语言选择性脑区的神经反应时，显著优于非上下文的语义表示。
50%待验证方差分解分析显示，SCRIBE 在研究者选取的句法特征之外仍能解释独特的脑预测信息。
50%待验证SCRIBE 没有训练新模型，而是用一组开源大语言模型集成来生成语义表示，以降低复现门槛并让语义表示的来源更透明。
50%待验证SCRIBE 依赖大模型集成的语义空间，而该空间是否与大脑的语义组织完全对齐仍是一个开放问题。
50%待验证SCRIBE 的行为实验中噪声上限估计依赖于具体实验设计和参与者群体。
50%待验证自然叙事 listening 任务虽然比传统实验更接近真实语言使用，但仍然是一种受控场景。
50%待验证SCRIBE 目前是一个研究框架，不是产品。
50%待验证SCRIBE 的方法论路径——用大模型生成可解释的中间表示，再用神经数据验证其与大脑计算的对齐——可以迁移到其他认知领域。
50%待验证SCRIBE 用开源大模型集成生成可解释的词级语义表示，并在行为实验和脑成像两个层面验证了这些表示与人类语义判断和大脑活动的一致性。
50%待验证SCRIBE是一种可解释的语境语义表示，涵盖65个神经认知学上有据可依的语义属性。
50%待验证研究在7名被试聆听叙事故事时采集的自然fMRI数据上，使用方差分解技术将LLaMA2-7B和SCRIBE各自预测大脑活动的方差拆分为共享方差和各自独有方差。
50%待验证共享方差在全脑和语言相关区域都占据主导地位，表明LLM预测大脑反应很大程度上是因为捕获了SCRIBE所编码的语义信息。
50%待验证LLaMA2-7B和SCRIBE两种表示都保留了显著的独特贡献。
50%待验证该研究首次用可解释的语义框架量化了大脑-LLM对齐中多少来自可理解的语义。
50%待验证具体性语义属性在全脑和大多数被考察区域中，与LLaMA2-7B的共享方差显著高于抽象属性。
50%待验证抽象属性并未表现出更大的SCRIBE独有方差，SCRIBE的独特贡献分布在更广泛的语义维度中。
50%待验证语义属性的消融实验揭示，语义贡献横跨多个维度，对被试的大脑预测方差产生累积效应，而非由某个单一维度主导。
50%