基于大语言模型（LLM）的脑响应预测虽准确，但其内部机制缺乏可解释性。为此，微软研究院联合加州大学伯克利分校、旧金山分校及哥伦比亚大学提出生成式因果检验（GCT）方法：将黑箱模型提炼为简洁、可读的自然语言描述（如“食物准备”“地名”），精准刻画各皮层区域的功能偏好；再由LLM生成特异性刺激文本，在fMRI中验证——仅当描述正确时目标脑区才被激活。实验成功复现已知功能选择性，区分了以往被认为不可分辨的邻近空间处理区，并首次揭示前额叶中对特定概念敏感的微小功能区，显著提升神经解码的可解释性与因果验证能力。（200字）

本专栏通过快照技术转载，仅保留核心内容

内容中包含的图片若涉及版权问题，请及时与我们联系删除