[AI]《NeuroCogMap Reveals Cognitive Organization of Large Language Models》Z Sun, H Lu, Q Ma, Q Li… [Renmin University of China & Beijing University of Posts and Telecommunications & The University of Hong Kong] (2026)

在大型语言模型领域，内部认知功能的系统级组织方式仍是黑盒。过去的方法受困于微观神经元或宏观表示的极端尺度，本质原因是缺乏能将离散特征映射为功能分区与层级架构的“中观”解释框架。

本文的核心洞见是：将LLM内部特征重新看作类似人脑的“功能分区”。由此，通过NeuroCogMap将特征聚类为从感知到应用的层级图谱，使模型处理任务与产生偏误的内部认知路径得以解开。

这项工作真正留下的遗产是建立了AI与人类神经科学的统一映射语言。它为后来者打开了利用模型内部信号优化人类决策模型的新门，但尚未跨过的门槛是多模态系统认知组织的普适性验证。

arxiv.org/abs/2607.00397 机器学习 人工智能 论文 AI创造营