研究人员开发了生成式因果测试（GCT），这是一种将不可解释的基于LLM的大脑预测模型转化为关于皮层功能的简洁、可检验的口头假设的框架。该方法将模型参数提炼为描述特定脑区响应内容的简短短语，例如“食物准备”，然后通过针对性的fMRI实验验证这些解释。
- GCT识别驱动大脑区域预测模型的短语，并使用LLM将其总结为简洁的解释。
- LLM根据生成的解释，生成旨在激活该特定区域的合成故事。
受试者在fMRI扫描仪中聆听这些故事，使研究人员能够确认目标区域是否显著高于基线水平地产生响应。
- 该方法证实了已知的选择性，区分了先前被认为可互换的邻近位置处理脑区，并识别出对对话和时间等概念敏感的额叶微脑区。
这种方法通过提供可以在后续实验中直接证实或证伪的假设，弥合了高精度黑盒预测与科学理解之间的差距。