arXiv q-bio.NC（Neurons and Cognition）· Saman Rahbar·2026-10-09 12:00· 15 天前精选AI 评分55

Saman Rahbar 研究：脑对齐与跨语言迁移中的相似度分数不等于结构对应

The Score Is Not the Structure: Brain Alignment and Cross-Lingual Transfer

AI 导读

Saman Rahbar 的预印本用两组实验检验相似度分数能否作为模型与大脑或跨语言共享结构的证据。跨十七种语言时，语法性探针在语言距离越远时迁移越差（r = -0.66），但探针自身准确率也沿同一轴下降，在其中四种语言上处于随机水平，去掉这四种后解释方差减半。

AI 要点

团队

Saman Rahbar（单作者），论文被 NeurIPS 2026 LP4FM 接收为海报。

主要结果

跨 17 种语言，语法性探针的迁移效果随语言距离增大而变差（r = -0.66）；脑对齐训练把语言模型与 fMRI 响应的相似度从 0.10 提到 0.34（信度上限 0.54），但破坏脑对应关系的目标仍达 0.31。

解决什么问题

追问相似度分数在结构被移除或测量工具失效时还能读出什么，主张先测分数在无对应关系时还剩多少。

方法

两个设定：17 种语言的语法性探针跨语言迁移；语言模型与 fMRI 响应的对齐，并设打乱目标与 k/n 基线。

局限

从研究设计看，探针在 4 种语言处于随机水平，剔除后距离范围收窄，无法区分梯度中有多少来自工具本身；以 272 个语言对为单位得 p = 0.0006，以 17 种语言为单位则 p = 0.155。

AI 依据原文整理，未经人工核对。

AI 推荐理由

文章用对照实验说明相似度分数在结构被破坏后仍可能偏高，为解读脑与模型对齐结果提供了一个可先算的基线。