神经FOXP2——面向大语言模型中目标语言提升的语言特异性神经元调控

大语言模型虽经多语言训练，但其主导语言常为英语，反映预训练数据中英语的主导地位，其他语言虽存储于参数化记忆中却系统性被抑制。本文提出语言默认性由稀疏低秩控制回路（即“语言神经元”）调控，并可被机制性分离与安全引导。我们引入Neural FOXP2方法，通过三阶段实现目标语言（如印地语或西班牙语）的主语言化：(i)定位语言特异性神经元；(ii)通过谱低秩分析提取语言转换的主导方向；(iii)在低至中层对语言神经元施加有符号的稀疏激活偏移，增强目标语言同时抑制英语表征，从而可控地实现目标语言默认性。