时间：11月20日（周四）下午 14:30
地点：吕大龙楼11层1110
报告一 大语言模型的空间智能
报告人：常京梦
内容：
将大语言模型 (LLM) 从“词汇” (Words) 转向“世界” (Worlds) 是实现通用人工智能的关键一步。为探究大语言模型 (LLM) 是拥有真正的空间智能，还是仅仅在模拟它，本研究比较了 N=100+ 的人类与LLM(Gemini 2.5 Pro, GPT-5) 在第一视角环境中的导航策略。我们发现，尽管 LLM 展现出了基础能力——其表现优于基线，并对身高和方向等概念具有敏感性——但其底层算法与人类存在根本性差异。LLM 未能展现出类人策略，例如：主动进行信息采样、保持头-身耦合、为全局规划而寻求登高、以及构建关系型认知地图。LLM 采用了一种高度依赖上下文的“非具身化逻辑”。该逻辑无法在算法层面有效实现将状态变化持续整合到内部认知地图中的机制，从而导致了关键空间行为的缺失。这些发现识别了一个核心的架构缺陷，并为未来脑启发的模型改进提供了清晰的、由实证数据驱动的蓝图。
报告二 Gamma 振荡相位偏好刻画头向神经元的预测时间视界
报告人：刘韬
内容：
大脑会持续预测即将到来的感觉与运动事件，并将这些预测与实际的感觉输入进行比较。在预测编码框架中，预测的传递构成了“预测–误差”学习回路的反馈分支。理解这种信号传递的生理基础，对于解释大脑如何从经验中学习至关重要。尽管以往研究常将脑区之间的预测性交流视为均质的，但小鼠头方向系统的研究表明，不同神经元在预测未来的时间范围上存在差异，提示其组织方式可能更为复杂。为此，我们分析了小鼠从头向系统记录的神经活动数据，考察预测性信息如何在跨区域传递过程中被组织。研究发现，预测提前量相对于伽马振荡呈系统性结构：在伽马周期中较早相位放电的神经元能够预测更远的未来，而较晚相位放电的神经元则更贴近当前。在跨神经元比较中，偏好伽马相位每提前 1 毫秒，预测提前量约增加 45 毫秒。此外，神经元的伽马偏好相位高度稳定，并在不同脑状态下保持一致。这些结果表明，头方向系统中的预测提前既非均一也非随机，而是围绕伽马振荡提供的时间结构进行组织。这种组织方式有助于揭示预测编码和学习是如何在分布式神经回路中实现的。
报告三 任务的抽象层次如何影响小鼠V1的神经表征与稀疏性
报告人：李苑楠
内容：
生物大脑有不同于人工神经网络（ANN）的灵活性，生物大脑既能处理判别性任务，也能处理生成性任务，而不同的ANN架构通常只支持其中一种任务。在将生物大脑视为生成模型的框架下，一个关键问题是：信息处理如何同时支持这两种不同任务。为解决此问题，我们采用包含有生命物体与无生命物体的图像刺激，来表征小鼠初级视觉皮层（V1）中的神经元如何支持这两种任务。我们利用Confocal钙成像技术记录神经元活动，首先通过单神经元和群体解码，证实了V1中的响应神经元能够辨别生物与否。随后，我们利用这些神经元，通过一个解码器进行生成式图像重建任务。我们发现，随着任务抽象层次的提高，神经表征倾向于更低维，神经群体则采用更少稀疏性的编码策略。这些发现将任务抽象层次与神经表征、稀疏性及模块性的变化联系起来，暗示了一种动态且任务依赖性的神经编码策略。
报告四 自上而下的预测性反馈加强人类视觉对遮挡物体的鲁棒性
报告人：张艺源
内容：
人类大脑通过额叶发出的众多自上而下投射来处理信息，这使其区别于大多数人工智能系统。在预测编码机制中，自上而下的信号将先验知识与感官输入整合，以优化感知过程。然而，支撑自上而下投射的生物学与计算机制尚未完全阐明。为填补这一空白，我们通过遮蔽面部刺激诱发受试者额叶的自上而下信号，并结合功能磁共振成像、脑电图及计算模型揭示该生物计算机制。研究发现，当面部信息减少时，腹外侧前额叶皮层（vlPFC）通过增强向腹侧颞叶皮层（VTC）的自上而下信号来维持感知稳定性，从而强化抽象表征的传递。此外，通过自上而下调制模拟此过程的计算模型成功重建了遮挡面孔，阐明了其中的计算原理。这些发现揭示了前额叶信号动态塑造视觉表征的分层框架，深化了对大脑顶下计算机制的理解，也对人工智能系统设计具有启发意义。
