跨领域编码模型揭示了语言与数学中共享及领域特异的神经表征

语言与数学究竟依赖共享的还是彼此分离的神经表征，在认知神经科学中仍是一个尚未解决的问题。在本研究中，我们将大语言模型（LLM）的潜在特征与基于顶点的编码模型相结合，以考察语言与数学之间的跨领域泛化。32名参与者在功能性磁共振成像（fMRI）过程中完成了句子理解和计算任务，并使用嵌入于共同潜在空间中的特征训练编码模型。跨领域预测识别出与部分共享表征相关的皮层区域，其中以左侧55b区最为显著；同时，对照分析表明，这些效应不能完全由低层次视觉加工或简单的任务通用因素来解释。任务特异性对比显示，在左侧前上颞回和角回中，与语言相关的预测更强，而在左侧中央前沟和顶内沟中，与数学相关的预测更强。模型权重分析进一步表明，共享性和领域特异性的预测模式体现在不同皮层区域中彼此不同的权重分布特征上。连通性分析显示，跨领域区域与语言或数学相关网络之间存在任务依赖性的功能耦合。综合而言，这些发现表明，语言与数学既涉及部分共享的神经表征，又具有领域特异性的皮层组织，从而有助于调和以往关于其神经基础的不同观点。

语言与数学究竟依赖共享的还是彼此分离的神经表征，仍然是认知神经科学中一个尚未解决的问题。在本研究中，我们将大型语言模型（LLM）的潜在特征与逐顶点编码模型相结合，以考察语言与数学之间的跨领域泛化。32名参与者在功能性磁共振成像（fMRI）过程中完成了句子理解和计算任务，并利用嵌入于共同潜在空间中的特征训练编码模型。跨领域预测识别出与部分共享表征相关的皮层区域，其中以左侧55b区最为显著；控制分析表明，这些效应无法完全由低水平视觉加工或简单的任务通用因素所解释。任务特异性对比显示，左侧前上颞回和角回表现出更强的语言相关预测，而左侧中央前沟和顶内沟则表现出更强的数学相关预测。模型权重分析进一步表明，共享性与领域特异性的预测模式体现在不同皮层区域中彼此不同的权重分布特征上。连通性分析显示，跨领域区域与语言相关或数学相关网络之间存在任务依赖性的功能耦合。综上，这些发现表明，语言与数学既涉及部分共享的神经表征，也具有领域特异性的皮层组织形式，从而有助于调和以往关于其神经基础的相互对立观点。

📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.06.07.730750v1?rss=1

🏷️ 语言加工 数学认知 神经表征 fMRI 编码模型 跨领域泛化