你知道吗？一道逻辑题，即使前提没有变，只是换了排列顺序，语言模型也可能给出不同答案。它能把解释写得头头是道，却未必能在题目换一种写法之后，仍然保持同样的判断。

来自北京大学、清华大学和微软亚洲研究院的研究者尝试给模型找一位特别的 " 老师 "：正在进行推理的人脑。他们先比较模型内部的表征和人脑活动，再利用两者之间的对应关系，引导模型调整内部表征。与只使用语言监督相比，加入脑信号引导后，实验中模型准确率平均提高约 2.2 个百分点，部分测试中的最高提升达到 13.2 个百分点。

这项研究发表在《自然 · 机器智能》（Nature Machine Intelligence）。它的关键变化，是让脑信号从观察模型的一把尺子，变成了可以改善模型推理的学习信号。不过，这并不意味着语言模型已经拥有了与人脑相同的思考机制。

要理解这件事，先要拆开一个容易混淆的概念：语言和思维，并不是同一回事。

2024 年《自然》的一篇观点文章综合神经科学及相关领域的证据指出，大脑中负责核心语言加工的网络，与支持推理、规划等复杂思维的系统可以相互分离。语言能力受损时，一些复杂思维能力仍可能保留；人在进行推理时，也并非主要依赖核心语言网络。

这给大语言模型提出了一个有意思的问题。模型主要通过语言数据训练，学习预测接下来出现的词元，也就是文本处理中的基本单位。但它们已经能完成一些推理、规划和工具使用任务。模型究竟只是利用了语料中的统计规律，还是在训练中形成了某些与推理有关的内部结构？

光看答案，很难判断。两名学生都能答对一道题，一个可能理解了关系，另一个可能记住了题型。对于模型和人脑也是如此：完成相同任务，不代表内部处理方式相同。

此前的 NeuroAI 研究已经发现，语言模型内部表征与人脑语言网络活动存在一定对应，多模态模型也能形成与人类物体概念表征部分相似的结构。但这些结果尚不能直接回答：在逻辑推理中，模型和人脑是否仍有对应？如果有，这种对应能不能真正帮助模型？

研究人员使用了一种称为 " 表征对齐 " 的方法。这里的表征，可以理解成系统处理问题时，内部形成的信息状态。模型的隐藏状态是一种表征，人脑在任务中产生的神经活动也能用来构建表征。

研究中，人和模型处理相同的问题，研究人员分别收集脑活动和模型内部激活，再检查两者是否存在可预测的关系。功能磁共振成像，也就是 fMRI，为这项比较提供了人脑活动数据。

具体做法是，先用一部分问题学习一个从模型表征到脑活动的线性映射，再拿没有参与拟合的问题测试：模型表征能否预测相应的真实脑响应？预测与实际响应的对应程度，被称为神经可预测性，也常被叫作 brain score。

由于 fMRI 数据含有噪声，脑活动并不是所有部分都能被解释。因此，研究还依据神经数据的可解释上限对结果进行归一化。这个步骤很重要：后面出现的百分比，描述的是可解释方差中的比例，不能直接读成 " 模型和人脑有多少百分比相同 "。

研究使用公开的任务态 fMRI 数据。参与者完成三段论推理和传递关系推理，判断一个结论是否能够由前提推出。为了减少熟悉知识和语义带来的干扰，题目主要由伪词、虚构名称和受控属性关系构成。

模型也处理相同刺激。参与比较的 10 个开源模型来自 Qwen、Llama、Mistral、Phi 和 Gemma 等系列，参数规模从 15 亿到 720 亿。研究人员提取这些模型的内部激活，并与人脑不同区域的活动进行比较。

把整体推理任务放在一起分析时，模型表征平均能够解释推理相关脑区约 76% 的可解释方差。这种对应还具有脑区特异性：演绎推理脑区和多重需求网络的神经可预测性，显著高于核心语言网络。多重需求网络与多种需要认知控制的任务有关。上述趋势在不同模型家族中保持一致。

但是，把三段论和传递关系两类问题分开分析后，神经可预测性降到了约 27%。从整体任务上看，模型与大脑存在较强的对应；进入更细的任务层面，两者之间的差异就明显起来。

即便在更细的分析中，经过训练的模型仍显著优于未训练模型，也保持了脑区特异性。因此，研究得到的是 " 部分对齐 "：模型捕捉到了一些与人脑推理活动共享的结构，但这既不是两者机制相同的证明，也没有单独解决模型为什么会答错的问题。

接下来，研究人员做了一个更进一步的尝试。既然模型表征与脑活动有部分对应，那么，当人答对、模型答错时，能不能借助脑信号，找到模型内部可以调整的方向？

他们先把模型隐藏状态映射到 fMRI 表征空间，再比较映射结果与真实脑活动的相似程度。对于模型回答错误、而人类回答正确的问题，研究人员计算这个相似度对模型隐藏状态的梯度，从而得到一个神经引导方向。

这里的梯度，可以理解为一条局部调整线索：模型内部状态往哪个方向移动，能够让映射后的表征更接近相应脑活动？这个方向来自模型与脑信号的联合结构，并不是把人脑活动直接复制进模型。

同一条思路有两种用法。一种是在模型回答问题的过程中调整内部表征，不改模型参数；另一种是在训练时微调参数，让这种引导逐渐进入模型本身。研究分别将它们称为 NARI 和 NARF。

NARI 像是在推理途中给模型一次方向修正。它在模型中间层的注意力输出上施加受约束的干预。对于纳入分析、且满足 " 模型原本答错、人类答对 " 条件的原始错误问题，研究最终实现了 100% 的纠错覆盖。

这个 100% 需要和它的范围一起读。它对应所分析错误问题上的定向干预结果，不能理解为模型面对任意新题都能达到 100% 准确率。研究还比较了随机脑信号基线和随机方向基线，神经引导的效果显著更好，说明真正的脑信号提供了有用的调整信息。

更有意义的是，研究人员没有停在逐题纠错。他们把多个问题、多个参与者产生的成功干预方向聚合起来，得到能够迁移到新问题的通用方向。这个方向在多个模型上改善了新推理问题的测试表现，也能在一定程度上扩展到带有思维链的推理过程。

这意味着，脑信号带来的帮助可能超出了某一道题的答案。它包含了一些能够迁移的推理相关信息。不过，迁移效果仍需要在具体任务和测试条件下评价。

如果说 NARI 是在回答过程中调整一次方向，那么 NARF 则尝试让模型通过训练记住这种调整。它微调模型参数，使中间表征接近脑信号引导的目标，从而把表征层面的信息内化到参数里。

研究关心的一个重点，是推理的鲁棒性。所谓鲁棒，不只是原题能答对，还包括问题换了写法、前提换了顺序或数量之后，模型仍能作出稳定判断。已有研究表明，即使是相对简单的推理题，前提呈现顺序也可能影响语言模型的表现。

因此，研究人员用 fMRI 实验中的三段论和传递关系问题进行训练，再用新问题、不同前提数量和排列顺序，以及其他逻辑类型的问题测试。这样才能检查，模型学到的是某批题目的模式，还是有一定迁移能力的推理表征。

结果显示，微调后的模型在不同前提数量和排列顺序下获得了稳定提升。正确逻辑与错误逻辑问题在模型中间层中的表征，也分得更清楚。性能增益还能迁移到命题推理，支持这种引导具有一定跨问题、跨推理类型的泛化能力。

这项研究的转折，在于它改变了脑信号在实验中的角色。开始时，脑信号用来检验模型与大脑之间有没有对应；随后，这种部分对应被转化成了可用于推断干预和参数训练的引导。

对脑启发人工智能而言，这是一条具体的研究路径。研究人员不必先证明模型与人脑完全一致，也不必照搬大脑的结构，而是从两者共享的部分表征关系中，提取可以改善任务表现的信息。

不过，当前实验主要聚焦基础演绎推理。语言模型与人脑在细粒度任务中的对应仍然有限，fMRI 的时间分辨率也难以追踪复杂思维中的快速变化。这些结果尚不能直接推广为对所有推理任务或现实问题都有效。

未来，时间分辨率更高的脑电图（EEG）、脑磁图（MEG），以及覆盖更复杂认知过程的神经数据，可能支持更细的分析与引导。更广泛任务中的有效性，也仍需要后续实验检验。

语言模型是否像人脑一样推理，仍有许多问题待回答。这项研究则先给出了一个可以继续验证的发现：模型与人脑之间部分共享的表征结构，不仅能被观察，也能成为改善模型推理的一种资源。