语义流畅性的组合式模型

基于摘要分析。该研究关注人类如何在语义空间中检索相互关联的概念，提出由大语言模型构建的组合式、可解释、基于特征的概念表征 Conceptome，并据此建立自回归模型 Conceptome-search，以刻画人类在语义流畅性任务中的概念检索过程。 研究的主要对象是人类语义记忆与检索行为，而非 EEG 解码或 BCI 控制。摘要将既有方法概括为两类：复杂且难以解释的分布式词嵌入，以及结构较为刚性的手工类别规范。Conceptome 试图结合两者的优势，以特征及其组合描述语义概念；Conceptome-search 则利用这种组合结构建模检索选择。特征如何定义、大语言模型如何参与构建、检索历史如何进入自回归过程，以及模型训练与推理的具体形式，尚未验证。 作者报告，在动物类别的语义流畅性任务中，Conceptome-search 对人类选择的预测优于所比较的先进模型。摘要未给出被试规模、数据划分、预测指标、对照模型名称或优势幅度，因此尚不能判断该结果在不同评估协议下的稳健性。实验协议、消融及统计信息尚未验证。 该工作提供了研究可解释语义表征与人类检索行为关系的建模思路，但摘要没有提供神经信号分析或 BCI 验证证据，不能据此推断其对 EEG/BCI 的有效性；相关 EEG 工作尚未检索确认。复现仍需核对 Conceptome 的构建流程、所用大语言模型、行为数据及评估实现是否可获取。