激活引导的神经元干预在大型语言模型中诱导阿尔茨海默病相关计算语言表型

arXiv cs.CL 论文
alzheimers neuron-intervention large-language-model activation-guided computational-linguistics qwen3-8b neuropsychological

摘要

本文介绍了一种使用Qwen3-8B的激活引导神经元干预框架，用于诱导阿尔茨海默病相关的计算语言表型，证明放大与AD相关的神经元会在多个认知领域产生分级损伤。

arXiv:2608.03067v1 公告类型：新 摘要：自发言语的变化为阿尔茨海默病（AD）中的认知功能障碍提供了早期信号，大型语言模型（LLM）可以检测到这些变化。然而，仅靠检测无法确定底层模型表示是否在功能上对行为有所贡献。我们介绍了一种使用Qwen3-8B的激活引导干预框架。该框架识别出对AD转录本的激活率高于对照转录本的前馈神经元，并通过缩放相应的下投影权重来调节它们在生成过程中的输出贡献。这产生了九个在干预方向、幅度和范围上有所不同的编辑变体。原始模型和编辑模型完成了相同的12轮神经心理学测试，并通过盲法人工评分和计算语言学指标进行评估。放大AD相关神经元在故事回忆、言语流畅性、工作记忆、程序性话语、场景构建和共指消解方面产生了分级损伤。衰减在很大程度上保留了性能，并选择性地改善了几项结果。放大还降低了词汇惊讶度、想法密度、句法复杂性和话语数量，与人类AD言语中报告的变化大致相似。这些发现表明，仅从临床语言差异中识别出的神经元可以影响多个认知领域的行为，为AD相关的计算表型提供了概念验证，并为实验性地检验语言与更广泛认知功能障碍之间的联系提供了一个受控框架。
查看原文
查看缓存全文

缓存时间: 2026/08/05 07:43 

# 激活引导的神经元干预在大语言模型中诱发阿尔茨海默病相关计算语言表型

来源：https://arxiv.org/html/2608.03067

Rui He<sup>1,\*</sup>, Ercong Nie<sup>2</sup>,

相似文章

语言模型中锚定路径的定位

arXiv cs.CL

本文研究提示中无关数字如何导致语言模型中的锚定效应，并利用基于归因的电路方法在Qwen和Llama模型上定位携带该信号的内部路径。

大型语言模型的非线性干预

arXiv cs.CL

本文提出了一种大型语言模型非线性干预的通用公式，超越了线性表示假说，能够操控沿非线性流形编码的特征，并通过拒绝规避引导验证了该方法。