人类如何加工 AI 生成的幻觉内容：一项神经影像研究

基于摘要分析。该研究考察人类识别多模态大语言模型（MLLMs）生成的幻觉内容时的神经反应，通过 EEG、ERP 分析及预测实验，探索幻觉识别的认知过程，以及能否从脑活动判断用户是否受到幻觉误导。 研究记录了 27 名参与者的 EEG：参与者观看含有或不含幻觉词的模型生成描述，并判断描述是否与图像匹配。作者比较幻觉词与非幻觉词对应的平均 ERP，以考察不同时间尺度上的加工差异。作者报告，结果提示幻觉识别涉及语义整合、推理加工、记忆提取和认知负荷等多种认知过程；摘要未提供具体 ERP 成分、时间窗、效应量或统计检验，相关认知解释尚需结合全文核对。 作者报告，当参与者未识别出幻觉时，相应脑反应与非幻觉内容没有差异，并据此提出人类在潜意识层面也将此类幻觉视同非幻觉内容。需注意，摘要中的“没有差异”是否来自显著性检验、等效性检验或其他分析尚未验证，因此不能仅据摘要将其视为两类内容神经加工完全相同的证据。 作者还使用所采集的 EEG 开展预测实验，并报告可据脑活动检测用户是否被 MLLMs 幻觉误导。不过，摘要未明确预测标签如何定义，也未给出模型、性能指标、训练测试划分及被试内或跨被试协议。复现时需核对任务究竟预测内容是否含幻觉，还是预测参与者是否识别失败，并检查图像、描述和词汇因素的控制方式。实验协议、消融及统计信息尚未验证；目前材料支持将其视为幻觉识别相关神经加工与 EEG 预测的探索，而非已验证的通用幻觉检测或 BCI 系统。