arXiv q-bio.NC（Neurons and Cognition）·2026-10-19 12:00· 5 天前精选AI 评分55

Ingo Marquardt 团队按 Llama-3.1-8B 逐层训练 EEG 解码器，发现词义信息集中在浅层、篇章语境信息随深度上升

Deep LLM layers expose passage-level context in EEG during silent reading

AI 导读

Ingo Marquardt 团队在 arXiv 预印本中为 Llama-3.1-8B 的每一层各训练一个解码器，用 19 通道 EEG 记录默读过程，并区分词级可解码性与语境追踪成分。

AI 要点

团队

第一作者 Ingo Marquardt、末位作者 Priyanka Jain，共 3 位作者

主要结果

词级可解码性在早期层达到峰值，并随层数加深而下降；上下文追踪成分随深度上升，单个 0.5 秒 EEG 窗口即可追踪段落级信息

解决什么问题

考察 EEG 可解码结构在 Llama-3.1-8B 全部 33 层上的分布，区分词级解码与上下文追踪

方法

对 19 通道静默阅读 EEG，为每层各训练一个解码器，分带与不带因果 transformer 两种；另设目标几何对照与跨 run 预测置换对照

局限

从研究设计看，为可行性研究，未设对照受试者组；对照为合成预测与预测置换，非独立人群验证

AI 依据原文整理，未经人工核对。

AI 推荐理由

研究逐层比较 Llama-3.1-8B 各层作为解码目标的效果，为 EEG 语言解码器的目标层选择提供了一个可参考的设计维度。