BICML · 2026
Alignment between Brains and AI: Evidence for Convergent Evolution across Modalities, Scales and Training Trajectories
Guobin Shen, Dongcheng Zhao, Yiting Dong, Qian Zhang, Yi Zeng
ICML 2026 主会 · OpenReview
字号
OVERVIEW
论文概览
在 630 个 AI 模型和大规模 fMRI 测量上研究性能、模态、规模与脑对齐如何随训练共同演化。
ABSTRACT
中文摘要
该研究跨视觉、语言等模态比较 630 个模型，并结合 NSD fMRI 数据构建超过 6000 万次模型—脑测量。作者发现，脑对齐常在任务性能达到最终水平之前出现，不同模态的模型会优先对齐不同脑区，而规模与训练阶段会系统改变这种关系。这些结果被解释为人工模型和生物系统在相似任务约束下形成部分收敛表征的证据，并提供了用训练轨迹而非单个最终模型研究脑对齐的新范式。
RESEARCH RELEVANCE
与你研究的关系
非常适合你的“基于训练统一模型寻找神经科学发现”目标：可以沿训练时间观察不同脑区何时进入共享视觉—语言空间。
LIMITATIONS
局限与核查重点
大规模相关分析仍不能直接证明收敛进化或因果机制；模型家族与评估选择可能影响总体趋势。
SOURCE
来源与原文
ICML 2026 主会 · OpenReview
Guobin Shen, Dongcheng Zhao, Yiting Dong, Qian Zhang, Yi Zeng. Alignment between Brains and AI: Evidence for Convergent Evolution across Modalities, Scales and Training Trajectories. ICML 2026 主会 · OpenReview. https://openreview.net/forum?id=XrRqY9QOSa