論文の概要: Computational Lesions in Multilingual Language Models Separate Shared and Language-specific Brain Alignment

• arxiv url: http://arxiv.org/abs/2604.10627v1
• Date: Sun, 12 Apr 2026 13:06:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-14 20:13:16.137074
• Title: Computational Lesions in Multilingual Language Models Separate Shared and Language-specific Brain Alignment
• Title（参考訳）: 多言語言語モデルにおける計算的病変 : 共有と言語固有の脳アライメントの分離
• Authors: Yang Cui, Jingyuan Sun, Yizheng Sun, Yifan Wang, Yunhao Zhang, Jixing Li, Shaonan Wang, Hongpeng Zhou, John Hale, Chengqing Zong, Goran Nenadic,
• Abstract要約: 脳がさまざまな言語で言語をどのようにサポートしているかは、神経科学の基本的な問題であり、多言語人工知能にとって有用なテストである。 ここでは、制御可能なシステムとして6つの多言語大言語モデル(LLM)を使用し、対象とする計算障害を生成する。 自然主義的物語聴取100分間における機能的磁気共鳴画像(fMRI)の応答予測における無傷モデルと損傷モデルの比較を行った。
• 参考スコア（独自算出の注目度）: 43.72658186052991
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: How the brain supports language across different languages is a basic question in neuroscience and a useful test for multilingual artificial intelligence. Neuroimaging has identified language-responsive brain regions across languages, but it cannot by itself show whether the underlying processing is shared or language-specific. Here we use six multilingual large language models (LLMs) as controllable systems and create targeted ``computational lesions'' by zeroing small parameter sets that are important across languages or especially important for one language. We then compare intact and lesioned models in predicting functional magnetic resonance imaging (fMRI) responses during 100 minutes of naturalistic story listening in native English, Chinese and French (112 participants). Lesioning a compact shared core reduces whole-brain encoding correlation by 60.32% relative to intact models, whereas language-specific lesions preserve cross-language separation in embedding space but selectively weaken brain predictivity for the matched native language. These results support a shared backbone with embedded specializations and provide a causal framework for studying multilingual brain-model alignment.
• Abstract（参考訳）: 脳がさまざまな言語で言語をどのようにサポートしているかは、神経科学の基本的な問題であり、多言語人工知能にとって有用なテストである。 ニューロイメージングは言語にまたがる言語応答性脳領域を特定しているが、基礎となる処理が共有されているか、言語固有のものであるかは、それ自体は示していない。 ここでは、制御可能なシステムとして6つの多言語大言語モデル(LLM)を使用し、言語間で重要なパラメータセットをゼロにしたり、特に1つの言語で重要なパラメータセットをゼロにすることで、ターゲットの ``computational lesions'' を作成する。 自然主義的物語聴取100分間における機能的磁気共鳴画像(fMRI)の応答予測における無傷モデルと損傷モデルの比較(112名)。 コンパクトな共有コアの破壊は、無傷モデルと比較して脳全体のコード相関を60.32%減少させる一方、言語特異的な病変は、埋め込み空間における言語間の分離を保ちつつ、マッチしたネイティブ言語に対する選択的に脳の予測性を弱める。 これらの結果は、組込み特化を伴う共有バックボーンをサポートし、多言語脳モデルアライメントを研究するための因果的枠組みを提供する。

関連論文リスト

• Language Arithmetics: Towards Systematic Language Neuron Identification and Manipulation [9.518772041855923]
  Llama-3.1-8B, Mistral-Nemo-12B, Aya-Expanse-8B & 32B の言語特異的ニューロンを21言語で解析した。 これらのニューロンはより深い層に集結し、非ラテン語のスクリプトはより高度な特殊化を示す。 不要な言語を非活性化し、望ましい言語をアクティベートし、より単純な代替アプローチよりも優れた性能を発揮する。
  論文  参考訳（メタデータ） (2025-07-30T12:23:39Z)
• Sharing Matters: Analysing Neurons Across Languages and Tasks in LLMs [85.0284555835015]
  大規模言語モデル(LLM)は自然言語処理(NLP)の分野に革命をもたらした。 多言語環境でのLLMの内部動作を探究する研究はほとんどない。 我々は、異なる言語にまたがる特定の入力に対する応答に基づいて、ニューロンを4つの異なるカテゴリに分類する。
  論文  参考訳（メタデータ） (2024-06-13T16:04:11Z)
• BrainLLM: Generative Language Decoding from Brain Recordings [77.66707255697706]
  本稿では,大言語モデルと意味脳デコーダの容量を利用した生成言語BCIを提案する。 提案モデルでは,視覚的・聴覚的言語刺激のセマンティック内容に整合したコヒーレントな言語系列を生成することができる。 本研究は,直接言語生成におけるBCIの活用の可能性と可能性を示すものである。
  論文  参考訳（メタデータ） (2023-11-16T13:37:21Z)
• Joint processing of linguistic properties in brains and language models [14.997785690790032]
  人間の脳と言語モデルによる言語情報の詳細な処理の対応について検討する。 特定の言語特性の除去は脳のアライメントを著しく低下させる。 これらの知見は、脳と言語モデルとの整合における特定の言語情報の役割の明確な証拠である。
  論文  参考訳（メタデータ） (2022-12-15T19:13:42Z)
• Same Neurons, Different Languages: Probing Morphosyntax in Multilingual Pre-trained Models [84.86942006830772]
  多言語事前学習モデルは文法に関する言語・ユニバーサルの抽象化を導出できると推測する。 43の言語と14のモルフォシンタクティックなカテゴリーで、最先端のニューロンレベルのプローブを用いて、初めて大規模な実験を行った。
  論文  参考訳（メタデータ） (2022-05-04T12:22:31Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。