激活引导的神经元干预在 大语言模型 中诱导阿尔茨海默病相关的计算语言表型

自发言语的变化提供了 大语言模型 (LLM) 可以检测到的阿尔茨海默病 (AD) 认知功能障碍的早期信号。然而，仅靠检测无法确定底层模型表示是否对行为有功能性贡献。我们引入了使用 Qwen3-8B 的激活引导干预框架。该框架识别出比控制转录本具有更高 AD 激活率的前馈神经元，并通过缩放相应的下投影权重来在生成过程中调节它们的输出贡献。这产生了九种编辑后的变体，其干预方向、幅度和范围各不相同。原始模型和编辑后的模型完成了相同的 12 轮神经心理测试组合，通过盲评和计算语言测量进行评估。放大 AD 相关神经元会在故事回忆、语言流畅性、工作记忆、程序性话语、场景构建和共指解析等方面产生分级损伤。衰减在很大程度上保留了性能并选择性地改善了一些结果。放大还减少了词汇意外、想法密度、句法复杂性和话语数量，与人类 AD 语音中报告的变化大致相似。这些发现表明，仅根据临床语言差异识别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概念证明，并为实验检查语言与更广泛的认知功能障碍之间的联系提供受控框架。