神经科学与认知科学
突破级
暂无讲解视频
收录解读
这篇 Nature Communications 论文正面研究如何把人类 mental representations 作为监督信号注入大模型，而不是只比较脑和模型表征相似性。
方法用少量脑信号构造 mental representation-guided supervision，把人类概念结构迁移到 DNN/large models 中。
实验显示这种监督能增强 abstract / unseen concepts 的理解，并带来 few-shot、zero-shot 和 OOD recognition 增益，同时得到更可解释的 concept representations。
它值得正式收录，因为它把认知神经数据从解释工具推进到模型训练信号，为 brain-guided AI、概念泛化、抽象表示和小数据监督提供可复用方向。