論文の概要: SCRIBE: Scalable Contextual Representations of Interpretable Brain-Grounded Semantics

• arxiv url: http://arxiv.org/abs/2610.21518v1
• Date: Thu, 15 Oct 2026 08:51:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-16 19:13:16.295695
• Title: SCRIBE: Scalable Contextual Representations of Interpretable Brain-Grounded Semantics
• Title（参考訳）: SCRIBE: 解釈可能な脳領域意味論のスケーラブルな文脈表現
• Abstract要約: SCRIBEは任意のテキストの解釈可能な単語レベルの意味表現を生成するフレームワークである。 人間の意味的特徴判断は文脈によって体系的に変化し,SCRIBEがこれらの変化を捉えていることを示す。 参加者が自然主義的な話を聴きながら記録された脳活動を用いて、SCRIBEは言語選択性脳領域における神経反応を予測することを示した。
• 参考スコア（独自算出の注目度）: 9.90023943676004
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Understanding how the human brain constructs meaning from real-world language remains a fundamental challenge, as semantics depend on context that varies in natural settings. To enable the study of real-world linguistic meaning in the brain, we introduce SCRIBE, a framework grounded in a neuroscience-informed semantic space that leverages an ensemble of open-source large language models to generate interpretable, word-level semantic representations of arbitrary text. In a behavioral study with 921 participants, we show that human semantic feature judgments vary systematically with context, and that SCRIBE captures these shifts, reaching 75-81% of the estimated human noise ceiling. Using brain activity recorded while participants listen to naturalistic stories, we further demonstrate that SCRIBE predicts neural responses in language-selective brain regions, significantly outperforming non-contextual semantic representations. Variance partitioning reveals that SCRIBE explains unique brain-predictive information beyond syntactic features, suggesting that its representations capture aspects of linguistic meaning not accounted for by the measured syntactic features. Together, these findings establish SCRIBE as a scalable and interpretable foundation for studying natural language semantics in the brain.
• Abstract（参考訳）: 人間の脳がどのように現実世界の言語から意味を構成するかを理解することは、意味論が自然の設定によって異なる文脈に依存するため、依然として根本的な課題である。 脳内の実世界の言語的意味の研究を可能にするために,オープンソースの大言語モデルのアンサンブルを利用して任意のテキストの解釈可能な単語レベルの意味表現を生成する,神経科学インフォームド・セマンティック・スペースを基盤としたフレームワークSCRIBEを導入する。 921人の被験者による行動調査では、人間の意味的特徴判断は文脈によって体系的に変化し、SCRIBEはこれらの変化を捉え、推定されたヒトの騒音天井の75～81%に達する。 自然主義的物語を聴きながら記録された脳活動を用いて、SCRIBEは言語選択性脳領域における神経応答を予測し、非文脈的意味表現を著しく上回ることを示した。 変数分割は、SCRIBEが、構文的特徴を超えて独自の脳予測情報を記述していることを明らかにし、その表現が、計測された構文的特徴によって説明されない言語的意味の側面を捉えていることを示唆している。 これらの知見と共に、SCRIBEは脳内の自然言語意味論を研究するためのスケーラブルで解釈可能な基盤として確立されている。

関連論文リスト

• Interpreting Brain Responses to Language with Sparse Features from Language Models [5.261667457257713]
  我々は,高密度なLM隠蔽状態を階層的に構成したオートエンコーダ機能に置き換える符号化フレームワークを開発した。 言語処理中の脳の反応は、任意のLM特徴セットからのみ予測可能であることを示す。
  論文  参考訳（メタデータ） (2026-06-05T03:01:28Z)
• Language models align with brain regions that represent concepts across modalities [41.64161126642105]
  言語モデル(LM)と2つのニューラルネットワークメトリクスの関係について検討する。 実験の結果、脳のより意味のある領域において、言語のみのモデルと言語ビジョンのモデルの両方が信号をより良く予測できることがわかった。
  論文  参考訳（メタデータ） (2025-08-15T15:32:19Z)
• Talking to the brain: Using Large Language Models as Proxies to Model Brain Semantic Representation [6.870138108382051]
  本稿では,マルチモーダル大言語モデル(LLM)をプロキシとして活用して,自然画像から意味情報を抽出する手法を提案する。 LLMから派生した表現は、fMRIによって測定された確立された神経活動パターンをうまく予測する。 LLM由来の表現から構築された脳意味ネットワークは、機能的および文脈的関連を反映する意味あるクラスタを識別する。
  論文  参考訳（メタデータ） (2025-02-26T00:40:28Z)
• Revealing emergent human-like conceptual representations from language prediction [90.73285317321312]
  大規模言語モデル(LLMs)は、人間らしい振る舞いを示すテキストの次のトーケン予測によってのみ訓練される。 これらのモデルでは、概念は人間のものと似ていますか? LLMは、他の概念に関する文脈的手がかりに関連して、言語記述から柔軟に概念を導出できることがわかった。
  論文  参考訳（メタデータ） (2025-01-21T23:54:17Z)
• Agentivit\`a e telicit\`a in GilBERTo: implicazioni cognitive [77.71680953280436]
  本研究の目的は,トランスフォーマーに基づくニューラルネットワークモデルが語彙意味論を推論するかどうかを検討することである。 考慮される意味的性質は、テリシティ(定性とも組み合わされる)と作用性である。
  論文  参考訳（メタデータ） (2023-07-06T10:52:22Z)
• Natural Language Decompositions of Implicit Content Enable Better Text Representations [52.992875653864076]
  本稿では,暗黙的に伝達されたコンテンツを明示的に考慮したテキスト分析手法を提案する。 我々は大きな言語モデルを用いて、観察されたテキストと推論的に関係する命題の集合を生成する。 本研究は,NLPにおいて,文字のみではなく,観察された言語の背景にある意味をモデル化することが重要であることを示唆する。
  論文  参考訳（メタデータ） (2023-05-23T23:45:20Z)
• Information-Restricted Neural Language Models Reveal Different Brain Regions' Sensitivity to Semantics, Syntax and Context [87.31930367845125]
  テキストコーパスを用いて語彙言語モデルGloveと超語彙言語モデルGPT-2を訓練した。 そして、これらの情報制限されたモデルが、自然主義的テキストを聴く人間のfMRI信号の時間軸を予測することができるかを評価した。 分析の結果、言語に関わるほとんどの脳領域は、構文変数と意味変数の両方に敏感であるが、これらの影響の相対的な大きさは、これらの領域で大きく異なることがわかった。
  論文  参考訳（メタデータ） (2023-02-28T08:16:18Z)
• Model-based analysis of brain activity reveals the hierarchy of language in 305 subjects [82.81964713263483]
  言語の神経基盤を分解する一般的なアプローチは、個人間で異なる刺激に対する脳の反応を関連付けている。 そこで本研究では,自然刺激に曝露された被験者に対して,モデルに基づくアプローチが等価な結果が得られることを示す。
  論文  参考訳（メタデータ） (2021-10-12T15:30:21Z)
• Low-Dimensional Structure in the Space of Language Representations is Reflected in Brain Responses [62.197912623223964]
  言語モデルと翻訳モデルは,単語の埋め込み,構文的・意味的タスク,将来的な単語埋め込みとの間を円滑に介在する低次元構造を示す。 この表現埋め込みは、各特徴空間が、fMRIを用いて記録された自然言語刺激に対する人間の脳反応にどれだけうまく対応しているかを予測することができる。 これは、埋め込みが脳の自然言語表現構造の一部を捉えていることを示唆している。
  論文  参考訳（メタデータ） (2021-06-09T22:59:12Z)

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。