文章主要内容总结本文聚焦于阅读理解分析，旨在通过大型语言模型（LLMs）与眼动追踪生物标志物，探索人类与LLMs在语言理解上的差异与一致性。研究背景：阅读理解是人类认知发展的核心技能，但全球约61%的青少年未达到基础阅读能力。此前研究利用LLMs标记单个单词与推理目标的相关性，并通过脑电图（EEG）和眼动追踪验证，但仅关注单个单词，难以捕捉句子的整体语义和关键短语的作用。研究方法：提出基于LLM的图表示方法，将阅读材料中的词或短语作为节点，语义/句法关系作为边，构建知识图谱；结合图论指标（如中心性）分析节点重要性，并通过眼动追踪数据（注视次数）验证LLM标记的重要节点与人类认知关注的一致性。主要发现：LLMs在图拓扑结构层面的语言理解具有高度一致性；重要节点的平均注视次数显著高于非重要节点，表明LLM标记与人类认知关注对齐；不同任务（如自然句子阅读、随机单词阅读）的图结构差异影响中心性指标的有效性。创新点从单词级到图结构的升级：突破此前单个单词分析的局限，通过图表示捕捉词/短语间的语义关系，更贴近句子的整体语义和人类认知过程。LLM生成图的问题导向设计：利用LLM结合问题导向提示生成知识图谱，明确节点（词/短语）和边（关系）的划分，提升图结构的语义准确性。多维度验证机制：结合图论指标（如PageRank