多语言语言模型中的计算损伤将共享和特定语言的大脑对齐分开

大脑如何支持不同语言之间的语言是神经科学的基本问题，也是多语言人工智能的有用测试。神经影像学已经识别出跨语言的语言反应大脑区域，但它本身无法显示底层处理是共享的还是特定于语言的。在这里，我们使用六个多语言 大语言模型 (LLM) 作为可控系统，并通过将跨语言重要或对一种语言特别重要的小参数集归零来创建有针对性的“计算损伤”。然后，我们比较了完整模型和受损模型在 100 分钟用英语、汉语和法语（112 名参与者）听自然故事期间预测功能磁共振成像 (fMRI) 反应的情况。相对于完整模型，损伤紧凑的共享核心会降低全脑编码相关性 60.32%，而语言特异性损伤保留了嵌入空间中的跨语言分离，但选择性地削弱了大脑对匹配母语的预测能力。这些结果支持具有嵌入式专业知识的共享主干，并为研究多语言大脑模型对齐提供了因果框架。