論文の概要: NeuroCogMap Reveals Cognitive Organization of Large Language Models

• arxiv url: http://arxiv.org/abs/2607.00397v1
• Date: Wed, 01 Jul 2026 03:48:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-02 19:56:07.707447
• Title: NeuroCogMap Reveals Cognitive Organization of Large Language Models
• Title（参考訳）: NeuroCogMapが大規模言語モデルの認知組織化を公表
• Authors: Zhongxiang Sun, Haolang Lu, Qiang Ma, Qi Li, Qipeng Wang, Liang Pang, Chenyu Liu, Qiankun Li, Hao Sun, Kun Wang, Yi Zeng, Jun Xu, Guoqi Li, Ji-Rong Wen,
• Abstract要約: 我々は,大きな言語モデルの内部的特徴を機能的パーセルに整理する認知神経科学に触発されたフレームワークであるNeuroCogMapを紹介する。 これらのパーセルは安定的でセマンティックに整合した組織を形成し、部分的にモデル間で保存される。 これらの知見は,人工システムの機能組織をマッピングするシステムレベルのフレームワークとしてNeuroCogMapを確立した。
• 参考スコア（独自算出の注目度）: 82.70079471723963
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Understanding how complex cognitive functions are organized within artificial systems is central to interpreting large language models (LLMs) and relating them to biological cognition. Yet although LLMs exhibit broad cognitive-like behaviours, it remains unclear whether their internal representations form reproducible functional systems that explain behaviour, failure and links to human cognition. Here we present NeuroCogMap, a cognitive neuroscience-inspired framework that organizes internal features of LLMs into functional parcels and links them to interpretable functions, cognitive capabilities and a cognitive hierarchy. These parcels form a stable and semantically coherent organization that is partly conserved across models and functionally linked to model outputs. Within this organization, major LLM failures, including hallucination, bias, refusal failure and sycophancy, correspond to distinct disruptions in representational and behavioural-control systems, yielding internal signatures for mechanism-guided detection and targeted intervention. Beyond model behaviour, NeuroCogMap improves prediction of human cortical responses during naturalistic language comprehension, with the strongest correspondence in higher-order association cortex. At the cognitive level, its internal signatures expose latent strategies that guide refinements of classical models of human decision-making. Together, these findings establish NeuroCogMap as a system-level framework for mapping functional organization in artificial systems and for relating this organization to human cortical function and cognitive behaviour.
• Abstract（参考訳）: 複雑な認知機能が人工システム内でどのように構成されるかを理解することは、大きな言語モデル(LLM)を解釈し、生物学的認知と関連付けることの中心である。 LLMは幅広い認知的行動を示すが、その内部の表現が人間の認知に対する行動、失敗、および関連を説明する再現可能な機能系を形成するかどうかは不明である。 本稿では,LLMの内部的特徴を機能的パーセルに整理し,解釈可能な機能,認知能力,認知階層にリンクする認知神経科学に着想を得たフレームワークであるNeuroCogMapを紹介する。 これらのパーセルは安定でセマンティックな一貫性のある組織を形成し、部分的にモデル間で保存され、モデル出力と機能的に結びついている。 この組織内では、幻覚、偏見、拒絶失敗、梅毒などの主要なLSM障害は、表現系と行動制御系の区別された破壊に対応し、メカニズム誘導検出と標的的介入のための内部シグネチャを生成する。 モデル行動の他に、NeuroCogMapは、自然言語理解中のヒトの皮質反応の予測を改善し、高次関連大脳皮質で最強の対応を示す。 認知レベルでは、その内部のシグネチャは人間の意思決定の古典的なモデルの洗練を導く潜在戦略を公開する。 これらの知見は、人工システムの機能的組織をマッピングし、この組織を人間の皮質機能と認知行動に関連付けるためのシステムレベルのフレームワークとして、NeuroCogMapを確立した。

関連論文リスト

• Visual Categorization Across Minds and Models: Cognitive Analysis of Human Labeling and Neuro-Symbolic Integration [0.0]
  本稿では,ヒトと深部ニューラルネットワーク間の画像ラベリング性能について検討する。 我々は、類似推論、形状に基づく認識、信頼度変調といった人間の戦略とAIの機能ベースの処理とを対比する。 本研究は, 生体・人工システムの表現, 推論, 信頼性校正における重要な並列性と相違点を明らかにする。
  論文  参考訳（メタデータ） (2025-12-10T05:58:12Z)
• Cognitive Mirrors: Exploring the Diverse Functional Roles of Attention Heads in LLM Reasoning [54.12174882424842]
  大規模言語モデル(LLM)は、様々なタスクにおいて最先端のパフォーマンスを達成したが、内部メカニズムに関してはほとんど不透明である。 本稿では,注目者の役割と行動を体系的に分析する新しい解釈可能性フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-12-03T10:24:34Z)
• Cognitive Foundations for Reasoning and Their Manifestation in LLMs [63.12951576410617]
  大規模言語モデル(LLM)は複雑な問題を解くが、単純な変種では失敗し、人間の推論と根本的に異なるメカニズムによって正しい出力を達成することを示唆している。 我々は認知科学研究を、推論不変量、メタ認知制御、推論と知識の組織化のための表現、変換操作にまたがる28の認知要素の分類学に合成する。 複雑な問題に対して66.7%の性能向上を図り、成功構造を自動的に把握するテストタイム推論ガイダンスを開発した。
  論文  参考訳（メタデータ） (2025-11-20T18:59:00Z)
• Automatic Minds: Cognitive Parallels Between Hypnotic States and Large Language Model Processing [0.0]
  覚醒心の認知過程と大きな言語モデルの計算操作は、深い機能的並列性を共有している。 両方のシステムは、自動パターン補完機構を通じて、洗練された、文脈的に適切な振る舞いを生成する。 信頼できるAIの未来は、ジェネレーティブ・フラレンシーとエグゼクティブ・モニタリングのメカニズムを統合するハイブリッド・アーキテクチャにある。
  論文  参考訳（メタデータ） (2025-11-03T09:08:50Z)
• Think Socially via Cognitive Reasoning [94.60442643943696]
  本稿では,人間の社会的認知をモデルとした認知推論について紹介する。 CogFlowは、この機能をLLMに組み込む完全なフレームワークである。
  論文  参考訳（メタデータ） (2025-09-26T16:27:29Z)
• Brain-like Functional Organization within Large Language Models [58.93629121400745]
  人間の脳は長い間人工知能(AI)の追求にインスピレーションを与えてきた 最近のニューロイメージング研究は、人工ニューラルネットワーク(ANN)の計算的表現と、人間の脳の刺激に対する神経反応との整合性の説得力のある証拠を提供する。 本研究では、人工ニューロンのサブグループと機能的脳ネットワーク(FBN)を直接結合することで、このギャップを埋める。 このフレームワークはANサブグループをFBNにリンクし、大きな言語モデル(LLM)内で脳に似た機能的組織を記述できる。
  論文  参考訳（メタデータ） (2024-10-25T13:15:17Z)
• TopoLM: brain-like spatio-functional organization in a topographic language model [2.817212075185821]
  本研究では,2次元空間モデルユニットを明示したトランスフォーマー言語モデルであるTopoLMを開発する。 TopoLMは皮質言語系の機能的構造の出現をうまく予測する。 この結果から,人間の言語システムの機能的構造は,統合された空間的目的によって駆動されていることが示唆された。
  論文  参考訳（メタデータ） (2024-10-15T11:37:21Z)

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。