论文页面 - NeuroCogMap 揭示大语言模型的认知组织架构

来源：https://huggingface.co/papers/2607.00397
发布于 7月1日

·

由 https://huggingface.co/Jeryi 提交

SunZX (https://huggingface.co/Jeryi) 于 7月14日

作者：

,

,

,

,

,

,

,

,

,

,

,

,

摘要

理解复杂认知功能在人工智能系统中的组织方式，对于解释大语言模型（LLMs）并将其与生物认知相关联至关重要。尽管LLMs展现出广泛的类认知行为，但其内部表征是否形成了可复现的功能系统，从而能够解释行为、失败以及与人类认知的联系，目前仍不明确。本文提出 NeuroCogMap——一种受认知神经科学启发的框架，它将LLMs的内部特征组织成功能分区，并将这些分区与可解释的功能、认知能力以及认知层级体系相关联。这些分区构成了稳定且语义连贯的组织结构，该结构在部分模型间得以保留，并在功能上与模型输出相关联。在此组织结构中，LLMs的主要失败模式——包括幻觉、偏见、拒绝失败和谄媚——均对应着表征和行為控制系统中的特定扰动，从而为基于机制的检测和针对性干预提供了内部信号特征。超越模型行为层面，NeuroCogMap 还能提升对自然语言理解过程中人类皮层反应的预测能力，其中与高阶联合皮层的对应关系最强。在认知层面，其内部信号特征揭示了潜在策略，从而为经典人类决策模型的改进提供了指引。综上，这些发现确立了 NeuroCogMap 作为一个系统级框架的地位，可用于绘制人工智能系统的功能组织架构，并将该架构与人类皮层功能和认知行为相关联。

查看 arXiv 页面 (https://arxiv.org/abs/2607.00397)
查看 PDF (https://arxiv.org/pdf/2607.00397)
项目页面 (https://neurocogmap.site/)
添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2607.00397)

引用本文的模型 0

没有模型链接本文

请在模型 README.md 中引用 arxiv.org/abs/2607.00397，以便从本页面链接到它。

引用本文的数据集 0

没有数据集链接本文

请在数据集 README.md 中引用 arxiv.org/abs/2607.00397，以便从本页面链接到它。

引用本文的 Spaces 0

没有 Space 链接本文

请在 Space README.md 中引用 arxiv.org/abs/2607.00397，以便从本页面链接到它。

包含本文的收藏 0

没有收藏包含本文

请将本文添加到收藏 (https://huggingface.co/new-collection) 中，以便从本页面链接到它。