neurotechnology
NARF
2026BadawczyOpublikowano: 29 września 2026Aktualizacja: 29 września 2026Opublikowany
Metoda brain-guided: uczy model, aby jego reprezentacje odpowiadały kierunkom wyznaczonym z danych mózgowych; warianty NARF i NARF+Label.
Kluczowa
innowacja
Dostrajanie LLM z nadzorem opartym na aktywności mózgu: kierunki wyznaczone z fMRI nadzorują reprezentacje uwagi modelu (często przez LoRA), by utrwalić odporne rozumowanie w wagach.
Kategoria
neurotechnology
Poziom abstrakcji
Wzorzec
Poziom operacji
Po-treningTrening
Zastosowania
Trwałe wzmacnianie rozumowania dedukcyjnegoDostrajanie brain-guided (LoRA)Generalizacja na nowe problemy rozumowaniaBadania NeuroAI nad nadzorem z mózgu
Jak działa
Wcześniej wyznaczone kierunki (z odwzorowania reprezentacja→fMRI) stają się celem nadzoru: strata skłania reprezentacje uwagi modelu do zgodności z tymi kierunkami. W wariancie NARF+Label dochodzi standardowa strata językowa. Dostrajanie parametroszczędne (LoRA) modyfikuje niewielką część wag, utrwalając „biologicznie umocowane" rozumowanie.
Rozwiązany problem
Interwencja w czasie inferencji (NARI) jest ulotna. NARF utrwala korzyść w wagach, aby model rozumował odporniej także bez sterowania w locie.
Komponenty
Nadzór reprezentacyjnySygnał uczący
Strata dopasowująca reprezentacje uwagi do kierunków z mózgu.
Wariant NARF+LabelWariant metody
Połączenie nadzoru reprezentacyjnego ze stratą na etykietach.
LoRA (PEFT)Mechanizm dostrajania
Parametroszczędne dostrajanie utrwalające efekt w wagach.
Ewolucja
Oryginalny paper · 2026 · Nature Machine Intelligence 2026 · Peking University (pkuxmq)
Beyond representational alignment with brain-guided language models for robust reasoning
Peking University (pkuxmq)
2026
Brain-guided language models (Nature Machine Intelligence) wprowadzają NARF
Punkt przełomowy