将人们的大脑思维同步到一个共同的空间中，有助于提升他们与大型语言模型的协同效果

《Nature Computational Science》：Aligning brains into a shared space improves their alignment with large language models

　　神经活动预测中共享响应模型的应用研究。通过分析8名受试者聆听相同30分钟播客的脑电数据，构建跨个体共享信息空间，显著提升语言模型预测神经活动的准确性（提升37%，r=0.188→0.257），尤其在颞上回和额下回等语言处理关键脑区效果显著。

　　

摘要

最近的研究表明，大型语言模型能够预测在自然语言处理过程中通过皮层电图（electrocorticography, EEG）记录的神经活动。为了逐字预测神经活动，大多数先前的研究都是在单个电极和参与者范围内评估编码模型，这限制了模型的泛化能力。在这里，我们分析了八名参与者在听同一段30分钟播客时的皮层电图数据。通过使用一个共享响应模型，我们估计出了一个跨参与者的共同信息空间。这个共享空间显著提升了基于大型语言模型的编码性能，并通过将结果投影回特定于参与者的电极空间来消除个体大脑反应的噪声——使编码准确率平均提高了37%（从r = 0.188提高到r = 0.257）。最大的收益出现在专门负责语言理解的脑区，尤其是颞上回和下额回。我们的研究结果表明，估计出一个共享空间有助于构建出在个体间具有更好泛化能力的编码模型。