研究人员调查了对多模态语言模型进行受控扰动是否能重现中风后失语症典型的系统性命名错误。他们使用 LLaVA 1.6，对特定层和单元施加噪声以模拟损伤，并针对 278 名失语症患者 (PWAs) 的数据评估了结果。

  • 该研究在费城命名测试上利用经过验证的神经网络分类器将响应分为七类。
  • 七种错误类型中的六种在不同的参数区域中以临床可比的比例出现，正式 paraphasia 是例外。
  • 在扰动空间中搜索确定了能够重现至少六/七类中个体错误特征的配置，覆盖了 97.8% 的 PWAs，并在所有七类中覆盖了 79.5%。
  • 蒙特卡洛基线证实这种匹配反映的是类别间的联合结构而非边缘重叠。

这些结果建立了一个重现个体失语症错误模式的定量框架，表明语言模型有可能作为中风后失语症个体的数字孪生。