[论文解读] 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 0

一句话总结

该研究表明，来自大语言模型表示的左右脑可预测性不对称性在模型获得形式语言能力时出现，与语法能力而非世界知识或算术任务保持一致，并且在不同模型与语言间具有泛化性。

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).

研究动机与目标

• 调查在LLMs中哪些能力驱动左右半球脑预测对称性的出现。
• 检查训练进展、语言学基准与脑分数不对称性的对齐关系。
• 测试在不同模型家族（OLMo-2、Pythia）与语言（英语、法语）中的结果泛化性。
• 区分形式语言能力与非语言或功能性语言任务对脑不对称性的影响。

提出的方法

• 通过将fMRI信号回归到LLM激活，使用岭回归线性模型在各层之间计算体素级脑分数。
• 通过平均各半球体素的相关性并聚焦于前25%最可靠的体素来定义左/右脑分数。
• 使用极小对比基准（BLiMP、Zorro）以及非语言任务（算术、Dyck语言）来评估LLM能力。
• 将生成文本的语言可接受性作为形式能力的衡量。
• 在Pythia模型和法语数据中重复分析，使用语言特定基准（fr-grammar、French Hellaswag）。
• 对训练轨迹曲线拟合S形曲线，以比较脑不对称性与基准表现之间的转折点（x0）和斜率（beta）。

实验结果

研究问题

• RQ1 左-右脑分数不对称性的出现是否跟随LLM中形式语言能力的获得？
• RQ2 该不对称性是否与语言基准（形式能力）而非非语言或功能性任务对齐？
• RQ3 结果是否能在不同模型家族与语言间泛化？
• RQ4 在训练过程中，大脑不对称性的发展相对于功能性语言能力的时序关系如何？

主要发现

• 训练过程中，左-右脑分数不对称性呈现阶段跃迁，与正式语言能力的提升同步。
• BLiMP与Zorro基准与大脑不对称性的相同转变相关，而算术与Dyck基准则不相关。
• 生成文本的语言可接受性与左-右不对称性轨迹一致，而ARC与Hellaswag则不一致。
• 结果对Pythia模型与法语也具有泛化性，尽管法语中的正式能力发展较英国英语训练偏少而进展较慢。
• 小脑的左右不对称性与皮质的左-右模式一致，也与正式语言能力相符。
• 左-右不对称性与句法相关，而不仅仅是词汇-语义内容相关，提示句法处理对脑-模型对齐有贡献。