文章总结与翻译一、文章主要内容该研究聚焦大型语言模型（LLMs）在抽象推理过程中是否与人类神经认知存在一致性，通过对比人类参与者与8个开源LLMs在抽象模式补全任务中的表现及神经表征展开研究，具体内容如下：任务设计与数据采集：25名人类参与者在完成抽象模式补全任务时，同步记录其脑电图（EEG）信号和眼动数据；LLMs则通过文本形式接收相同任务，用对应单词标签替代图标，同时提取各层隐藏层激活信息。任务包含8种不同抽象模式，共400个独特试次，要求参与者从4个选项中选出正确图标补全序列。性能对比结果：人类整体准确率为82.47%，大部分LLMs准确率低于40%，仅参数规模约700亿的大型模型（Qwen2.5-72B、DeepSeek-R1-70B、Llama-3.3-70B）准确率接近人类（75.00%-81.75%）。其中Qwen2.5-72B和DeepSeek-R1-70B不仅准确率高，且与人类在不同模式下的难度分布相关性较强（Pearson相关系数分别为0.71和0.70）；而Llama-3.3-70B虽准确率最高（81.75%），但与人类难度分布相关性低（r=0.27）。此外，闭源模型（如google/gemini-2.5-pro-preview-06-05等）准确率极高（99%-100%），但因非开源无法用于神经认知对比。表征相似性分析（RSA）：通过构建任务最优参考表征差异矩阵（RDM），发现所有LLM的层激活与参考RDM的相关性呈倒“U”型，在中间层（平均约为层深度的47.52%） Large Language Models Show Signs of Alignment with Human Neurocognition During Abstract Reasoning
文章总结与翻译一、文章主要内容该研究聚焦大型语言模型（LLMs）在抽象推理过程中是否与人类神经认知存在一致性，通过对比人类参与者与8个开源LLMs在抽象模式补全任务中的表现及神经表征展开研究，具体内容如下：任务设计与数据采集：25名人类参与者在完成抽象模式补全任务时，同步记录其脑电图（EEG）信号和眼动数据；LLMs则通过文本形式接收相同任务，用对应单词标签替代图标，同时提取各层隐藏层激活信息。任务包含8种不同抽象模式，共400个独特试次，要求参与者从4个选项中选出正确图标补全序列。性能对比结果：人类整体准确率为82.47%，大部分LLMs准确率低于40%，仅参数规模约700亿的大型模型（Qwen2.5-72B、DeepSeek-R1-70B、Llama-3.3-70B）准确率接近人类（75.00%-81.75%）。其中Qwen2.5-72B和DeepSeek-R1-70B不仅准确率高，且与人类在不同模式下的难度分布相关性较强（Pearson相关系数分别为0.71和0.70）；而Llama-3.3-70B虽准确率最高（81.75%），但与人类难度分布相关性低（r=0.27）。此外，闭源模型（如google/gemini-2.5-pro-preview-06-05等）准确率极高（99%-100%），但因非开源无法用于神经认知对比。表征相似性分析（RSA）：通过构建任务最优参考表征差异矩阵（RDM），发现所有LLM的层激活与参考RDM的相关性呈倒“U”型，在中间层（平均约为层深度的47.52%）