自然对话中脑间思想传递的基于模型的共享语言空间

基于摘要分析。该研究关注自然对话中说话者与听者如何共享随语境变化的词义，提出基于模型的耦合框架，将双方脑活动对齐到 LLM 的共享嵌入空间，以逐词追踪语言信息在两人之间的交流。 研究在五对癫痫患者自发、面对面的对话过程中记录 ECoG。核心机制是以具有上下文敏感性的 LLM 嵌入作为双方神经活动的共同表征参照，而不是仅依赖句法或发音特征描述语言交流。摘要未说明所用 LLM、嵌入提取方式、神经信号预处理、映射模型与耦合指标，相关实现条件尚未验证。 作者报告，在该自然对话记录条件下，语言内容相关表征在说话者发音前出现，并在发音后迅速于听者脑中再次出现；与句法和发音模型相比，上下文嵌入更能刻画双方逐词的神经对齐。摘要未提供具体时延、效应量或预测指标，因此不能判断优势幅度及其统计稳健性。作者据此认为，LLM 学得的上下文嵌入可作为人类交流中共享、富含语境的意义空间的显式数值模型。 这里的“脑间传递”指自然语言交流中双方神经表征的对应关系，并非绕过言语通道的直接脑到脑传输，也不构成已实现 BCI 解码或闭环控制的证据。复现与解释时需核对电极覆盖、词语与神经活动的时间对齐、训练测试划分、跨个体泛化，以及如何区分共享语义与共同声学输入等因素；实验协议、消融及统计信息尚未验证。