我們以數學應用題做為跨領域實驗載體。數學應用題披著自然語言的外衣，實際上卻要求高階的邏輯運算與執行控制。透過 fMRI 實驗，我們比較受試者閱讀需要運算與無運算需求的非算術應用題時的大腦反應。結果發現單純的語意理解和隱藏邏輯運算的句子活化不同的網絡。

在確立人類大腦的神經基礎後，我們進一步建構了編碼模型（Encoding Models），將 fMRI 記錄到的大腦反應與LLM內部表徵進行連結，結果發現LLM 的特徵不僅能顯著預測大腦的神經活動，也能重現了人類實驗中的解題差異，顯示LLM的底層結構能捕捉句子的認知負荷與執行需求，且這種對齊現象具有網絡特異性。