Fly Language Model：把语言模型思路用在果蝇脑连接组上的交互式演示

近日 Hacker News 上出现一个 Show HN 项目「Fly Language Model」，作者尝试把语言模型中的若干概念——例如 next token 预测、状态演化——套用到一个公开的果蝇脑连接组数据上，做成一个可在浏览器中交互的演示。原始内容显示，其建模单元为该连接组中的约 1,024 个神经元，背景图为来自包含 16.67 万神经元的源连接组结构数据，灰色点代表仅用于提供解剖学上下文、不参与模拟活动的神经元。

项目形态：可交互的演示页

从发布页面可以看到，这是一个网页端的可视化与控制台，作者称之为「Fly Language Model」。页面顶部展示「State / Anatomical context」两类视图：

• State 视图用彩色点呈现参与建模的神经元；
• Anatomical context 视图用灰色点呈现更大范围的解剖学结构，作为空间参考。

用户可以选中某个被着色的神经元（Inspect neuron），或者通过列表切换，查看其状态与连接信息。

控制选项与「实验」说明

页面提供若干控制变量，作者以「Recurrent connections」「Local learning」等命名，并配有如下说明：

• 改变某个控制变量时，会以「零状态（zero state）」重新回放同一段输入；
• 「Silencing」（静默某个神经元）被标注为一种工程性干预（engineered intervention），并非生物实验。

这种表述方式更接近神经网络模拟器或教学演示，而不是生物意义上的实验装置。

「Next token」与状态指标

页面下方有一个「Next token」面板，在没有输入时显示「Waiting for input」。此外还实时显示一个数值指标「Mean absolute state」，当前截取时为 0.000，意味着模型处于静止状态或尚未被触发。

局限与信息缺口

需要指出的是，原文摘录仅为该演示页面的可见文本，并未包含论文、方法描述、训练流程、benchmark 或与现有模型的对比数据，因此本篇只能基于公开可见部分做概述，无法对模型能力、规模或意义做进一步判断。项目本质上是把语言模型术语映射到连接组上的一个交互式探索工具，而非主流大模型或开源权重发布。