arXiv q-bio.NC（Neurons and Cognition）·2026-10-08 12:00· 17 天前AI 评分41

视觉语言模型与大型动作模型在自然游戏中的推理与动作表征脑对齐

Brain alignment of reasoning and action representations from vision-language and action models during naturalistic gameplay

AI 导读

研究用 fMRI 记录受试者玩 Atari 风格游戏时的脑活动，比较视觉语言模型（VLM）与大型动作模型（LAM）的表征对齐。两类模型的体素级编码性能均显著高于强化学习基线，提示词带来的增益在额顶叶和运动规划区约为视觉皮层的 2-2.5 倍。

AI 要点

团队

第一作者 Subba Reddy Oota，末位作者 Manish Gupta，共 7 位作者。

主要结果

VLM 与 LAM 的体素级编码表现显著高于 RL 基线；提示带来的增益在额顶与运动规划区约为早期视觉皮层的 2–2.5 倍。

解决什么问题

以往交互式脑对齐研究多限于强化学习智能体和理论模型，本文补上视觉语言模型与大型动作模型的脑对齐研究。

方法

用受试者玩自然主义 Atari 风格电子游戏时的 fMRI 记录，比较动作导向与推理导向提示下 VLM、LAM 的内部表征。

局限

从研究设计看，为基于 fMRI 编码分析的相关性研究，未设因果干预；各感兴趣区结果异质。

AI 依据原文整理，未经人工核对。