arXiv論文は、子どもの語彙成長と言語モデルの学習リターンを比較した。子どもは追加の言語経験1単位から以前より多くを学ぶ加速的蓄積を示す一方、言語モデルは子ども向け発話で訓練してもスケーリング則に沿った一定の比例リターンにとどまる。

本論文は MD-SigLIP を提案する。脳埋め込みとテキスト埋め込みを共有意味空間で直接アラインメントし、検索ベースのデコーディングを可能にするマージン正則化付き構造的意味アラインメント枠組みであり、デコード内容が神経表現を反映するのか言語モデルによる再構成なのかという問題に取り組む。