该研究探讨了深度语言模型与大脑神经活动的对齐，结合可解释人工智能方法，揭示了大脑语言处理的层次结构及其与模型的关系，为理解语言理解的神经机制提供了新工具。

深度语言模型（DLMs）通过分层连续数值向量表示单词和上下文，模拟大脑中语言理解的时间动态性。研究发现DLMs的层深与层能预测人脑之间存在强相关。通过电皮层图谱（ECoG）数据记录参与者在听取叙述时的神经活动，发现DLM的信息逐层累积上下文与高级语言区域的神经活动时机形成镜像关系。

研究使用深度语言模型与人脑相似性，复制了神经元相关语言研究。通过功能磁共振成像比较了七名受试者听取常规和乱序叙述的脑信号，并扩展到305名听取4.1小时故事的个体。为分析语言的神经基础提供了基础。

深度语言模型（DLMs）通过分层连续数值向量表示单词和上下文，模拟大脑中语言理解的时间动态性。研究发现DLM的层深与层能预测人脑之间存在强相关。通过电皮层图谱数据记录参与者的神经活动，发现DLM的信息逐层累积上下文与高级语言区域的神经活动时机形成镜像关系。