Neuro4AI：从神经科学视角理解大模型认知机制丨周六直播·大模型可解释性读书会

导语

集智俱乐部联合上海交通大学副教授张拳石、阿里云大模型可解释性团队负责人沈旭、彩云科技首席科学家肖达、北京师范大学硕士生杨明哲和浙江大学博士生姚云志共同发起「大模型可解释性」读书会。本读书会旨在突破大模型“黑箱”困境，尝试从不同视角梳理大语言模型可解释性的科学方法论。

基于Transformer的大语言模型拥有令人惊讶的上下文学习能力，能够在没有参数更新的情况下从少量示例中学习新任务。但这种能力的内在机制是什么？它是否与人类的认知过程存在相似性？本次分享首先探讨Transformer中的归纳注意力头是如何与人类情景记忆的CMR模型在机制上高度相似的，随后介绍一种神经反馈范式，系统量化大语言模型的元认知能力。

分享简介

本次分享将介绍两项受到神经科学启发的可解释性研究：首先探讨Transformer中的归纳注意力头（induction heads）如何与人类情景记忆的CMR（上下文维护与检索）模型在机制上高度相似，揭示了大模型上下文学习的回路基础；随后介绍一种神经反馈范式，系统量化大语言模型的元认知能力——即模型监控和控制自身内部神经激活的能力。这些发现不仅为理解AI系统的工作原理提供了新的神经科学视角，也为AI安全和可解释性研究带来重要启示。

分享大纲

1. 背景与动机

• 人工智能与神经科学的交叉研究价值：Neuro4AI和AI4Neuro

• Transformer架构的上下文学习现象

2. 第一项研究：上下文学习与人类情景记忆的联系

• 归纳头的发现与机制

• “匹配-复制”行为模式

• K-composition和Q-composition机制

• 人类情景记忆的CMR模型

• 时间上下文的动态演化

• 非对称邻近偏差的计算机制

• 机制相似性

• 归纳头注意力模式类似CMR

• 训练过程中类人记忆偏好的涌现

• 因果验证：消融实验结果

3. 第二项研究：大语言模型的元认知能力

• 元认知的现象与意义

• 神经反馈范式

• 上下文学习框架下的元认知量化

• 元认知能力的三个层面

• 神经激活的监控

• 显式控制

• 隐式控制

• 影响因素分析

• 语义可解释性的作用

• 方差解释度的影响

• 模型规模与层深的关系

4. 研究意义与展望

• 对AI可解释性和安全的贡献

• 认知神经科学的新研究工具

核心概念

• 归纳头（Induction Heads）: Transformer中负责模式匹配和复制的关键注意力机制，是上下文学习的核心组件。

• CMR模型（Contextual Maintenance and Retrieval）: 人类情景记忆的计算模型，通过时间上下文的动态维护解释记忆检索过程。

• 神经反馈（Neurofeedback）: 将内部神经激活作为反馈信号的实验范式，用于研究神经系统的自我监控能力。

• 元认知（Metacognition）: 对自身认知过程的认知，包括监控、评估和控制等高阶心理功能。

• 残差流（Residual Stream）: Transformer架构中信息传递的主要通道，为理解模型内部机制提供关键视角。

参考文献

主要论文：

1. Li Ji-An, et al. "Linking In-context Learning in Transformers to Human Episodic Memory." NeurIPS 2024.

2. Li Ji-An, et al. "Language Models Are Capable of Metacognitive Monitoring and Control of Their Internal Activations." arXiv      preprint (2025).

3. Li Ji-An, Marcus K. Benna, and Marcelo G. Mattar. "Discovering Cognitive Strategies with Tiny Recurrent Neural Networks." Nature (2025).

智能之镜：NeuroAI 如何反映大脑与人工智能的未来

相关背景文献：

• Elhage, Nelson, et al. "A mathematical framework for transformer circuits." Transformer Circuits Thread (2021).

• Howard, M. W., & Kahana, M. J. "A distributed  representation of temporal context." Journal of Mathematical Psychology (2002).

• Olsson, Catherine, et al. "In-context learning and induction heads." arXiv preprint (2022).

主讲人简介

李济安，加州大学圣地亚哥分校神经科学博士研究生。主要研究方向包括计算神经科学、大语言模型的机制可解释性、以及人工智能与认知科学的交叉研究。在Nature、NeurIPS等顶级期刊和会议发表多篇论文，致力于通过神经科学视角理解人工智能系统的内在机制。

参与方式

参与时间

北京时间2025年8月16日（周六）早上10:00-12:00

报名加入社群交流

扫码参与「大模型可解释性」读书会，加入社群，获取系列读书会永久回看权限，与社区的一线科研工作者沟通交流，共同探索大模型可解释性这一前沿领域的发展。

大模型可解释性读书会


集智俱乐部联合上海交通大学副教授张拳石、阿里云大模型可解释性团队负责人沈旭、彩云科技首席科学家肖达、北京师范大学硕士生杨明哲和浙江大学博士生姚云志共同发起「大模型可解释性」读书会。本读书会旨在突破大模型“黑箱”困境，尝试从以下四个视角梳理大语言模型可解释性的科学方法论：
自下而上：Transformer circuit 为什么有效？
自上而下：神经网络的精细决策逻辑和性能根因是否可以被严谨、清晰地解释清楚？
复杂科学：渗流相变、涌现、自组织等复杂科学理论如何理解大模型的推理与学习能力？
系统工程：如何拥抱不确定性，在具体的业界实践中创造价值？


五位发起人老师会带领大家研读领域前沿论文，现诚邀对此话题感兴趣的朋友，一起共创、共建、共享「大模型可解释性」主题社区，通过互相的交流与碰撞，促进我们更深入的理解以上问题。无论您是致力于突破AI可解释性理论瓶颈的研究者，探索复杂系统与智能本质的交叉学科探索者，还是追求模型安全可信的工程实践者，诚邀您共同参与这场揭开大模型“黑箱”的思想盛宴。


读书会已于2025年6月19日启动，每周四晚19:30-21:30，预计持续分享8-10周左右。






详情请见：破解AI黑箱的四重视角：大模型可解释性读书会启动



点击“阅读原文”，报名读书会