[論文レビュー] Left-right asymmetry in predicting brain activity from LLMs' representations emerges with their formal linguistic competence

Laurent Bonnasse-Gahot, Christophe Pallier|arXiv (Cornell University)|Feb 13, 2026

Neurobiology of Language and Bilingualism被引用数 0

ひとこと要約

要約: 本研究は、左-右脳予測性非対称性がLLM表現から現れるのは、モデルが形式的言語能力を獲得する過程で生じ、世界知識や算術タスクよりも文法能力と整合し、モデルと言語の異なる組み合わせにも一般化することを示している。

ABSTRACT

When humans and large language models (LLMs) process the same text, activations in the LLMs correlate with brain activity measured, e.g., with functional magnetic resonance imaging (fMRI). Moreover, it has been shown that, as the training of an LLM progresses, the performance in predicting brain activity from its internal activations improves more in the left hemisphere than in the right one. The aim of the present work is to understand which kind of competence acquired by the LLMs underlies the emergence of this left-right asymmetry. Using the OLMo-2 7B language model at various training checkpoints and fMRI data from English participants, we compare the evolution of the left-right asymmetry in brain scores alongside performance on several benchmarks. We observe that the asymmetry co-emerges with the formal linguistic abilities of the LLM. These abilities are demonstrated in two ways: by the model's capacity to assign a higher probability to an acceptable sentence than to a grammatically unacceptable one within a minimal contrasting pair, or its ability to produce well-formed text. On the opposite, the left-right asymmetry does not correlate with the performance on arithmetic or Dyck language tasks; nor with text-based tasks involving world knowledge and reasoning. We generalize these results to another family of LLMs (Pythia) and another language, namely French. Our observations indicate that the left-right asymmetry in brain predictivity matches the progress in formal linguistic competence (knowledge of linguistic patterns).

研究の動機と目的

• LLMsにおけるどの能力が左-右半球予測性の出現を促すのかを調査する。
• 訓練の進捗、言語ベンチマーク、脳スコア非対称性との整合性を検討する。
• モデルファミリ（OLMo-2、Pythia）と言語（英語、フランス語）を跨いだ一般化可能性を検証する。
• 形式的言語能力以外の非言語的または機能的言語タスクが脳の非対称性へ与える影響を区別する。

提案手法

• レイヤを跨ぐ ridge 正則化線形モデルを用いて fMRI 信号を LLM の活性化に回帰し、体素毎の脳スコアを計算する。
• 左脳・右脳スコアは各半球の体素の相関を平均し、信頼性が最も高い上位25%の体素に焦点を当てて定義する。
• 最小対 Benchmark（BLiMP, Zorro）および非言語タスク（算術、Dyck言語）で LLM の能力を評価する。
• 生成テキストの言語受容性を形式的能力の指標として評価する。
• Pythia モデルおよびフランス語で、言語特異的ベンチマーク(fr-grammar, French Hellaswag)を用いて分析を再現する。
• 脳の非対称性とベンチマークの性能の転換点(x0)と傾き(beta)を比較するためにシグモイドを適合させる。

実験結果

リサーチクエスチョン

• RQ1 左-右脳スコアの非対称性の出現は、LLMs における形式的言語能力の獲得を追跡するか？
• RQ2 非対称性は非言語的または機能的タスクよりも言語ベンチマーク（形式的能力）と整合するか？
• RQ3 findings は異なるモデルファミリや言語を跨いで一般化するか？
• RQ4 訓練中の脳の非対称性の発展と機能的言語能力の発達の相対的なタイミングはどうなるか？

主な発見

• 左-右脳スコアの非対称性は訓練中に位相転換を示し、形式的言語能力の上昇と一致する。
• BLiMPとZorroのベンチマークは脳の非対称性の同じ転換点を追跡する一方、算術とDyckベンチマークは一致しない。
• 生成テキストの言語受容性は左-右非対称性の軌道を反映するが、ARCやHellaswagは反映しない。
• 結果はPythiaモデルとフランス語にも一般化されるが、英語中心の訓練のためフランス語では形式的能力の発達が遅れる。
• 小脳の左右非対称性は皮質の左-右パターンを反映し、形式的言語能力と整合する。
• 左-右非対称性は構文的ではあるが語彙・意味的内容だけではなく、構文処理が脳-モデルの整合性に寄与することを示唆する。