Interpreting Brain Responses to Language with Sparse Features from Language Models

En 3 lignesDes chercheurs utilisent des autoencodeurs creux (SAE) issus de modèles de langage pour interpréter les réponses cérébrales au langage via fMRI 7T. Sur 8 participants écoutant 200 phrases, ils identifient des populations de voxels sensibles au contenu lié aux personnes et montrent que les régions frontales s'expliquent par la surprise seule, tandis que le réseau fronto-temporal partage des features communes.

Résumé généré par Claude — vérifié par l'humain