ISSUE 005 · 2026 年 10 月 2 日
本周几项工作共同指向一个更具体的通用化问题：不同导联布局需要映射到可解释的皮层坐标，群体模型与个人适配需要分开审计，数据规模也必须用实测缩放曲线规划。与此同时，想象语音研究提醒我们，高精度仍可能建立在小词表、短时术中记录和高密度覆盖之上。
通用性不是让所有用户复用同一组参数，而是建立稳定的解剖坐标、清晰的个人—群体基线、可预测的数据收益和不会被任务先验掩盖的验证协议。
已核验博睿康、强脑科技、脑虎科技及国际主要厂商、临床登记和监管来源；本周未发现 9 月 25 日后可由一手材料确认的新产品或监管里程碑，因此不以旧闻、融资消息或二手宣传补位。
九名清醒开颅患者想象或说出 6–8 个音节。研究分离出额顶叶共享的超模态规划活动，以及感觉运动皮层中更偏向 β1 的想象语音代码和更强高伽马的真实发声代码；广义解码的想象音节中位准确率为 80.4%，随机水平为 16.7%。
它解释了为什么想象语音不能简单套用真实发声解码器，也显示临床常见的低密度覆盖会造成明显损失。结果来自小词表、短时术中记录和肿瘤患者，不等于连续、长期或瘫痪人群的开放语音 BCI。
先看共享规划与模态特异运动表征的时序，再读 25% 显著电极下的降采样结果；最后核对音节数、EMG 覆盖和术中记录限制。
研究固定 CBraMod、REVE 和 LaBraM 编码器，用每位用户前半段标签训练个人适配器。在九组模型—数据集组合中，个人适配比群体适配高 1.5–5.4 个百分点，比交换给其他用户的适配器高 2.3–7.3 个百分点；把群体预算扩大四倍后，中位个人收益仍为正。
它把‘个性化有效’拆成身份特异信息、群体数据量和适配器容量三个问题，避免把小样本过拟合误当成个人神经特征。少标签结果并非普遍非负，也没有证明无标签个人上下文一定有用。
先看个人、群体和 exchanged-adapter 三类基线，再看四倍群体预算下收益如何收缩；最后读少标签和无标签控制实验。
研究不要求参与者按指令关注某个声音，而是让竞争刺激自然争夺注意。Bradley–Terry 刺激优先模型在未见声音配对上的 AUC 从 0.577 提升到 0.718；试次 EEG 进一步提供超出声学不对称性的预测信息，并采用镜像约束与配对留出验证。
这比受控注意任务更接近日常助听和环境感知，也避免把刺激本身的显著性误算成脑解码能力。当前 AUC 仍有限，离实时选择、跨用户泛化和闭环收益还有距离。
先看 pairing-held-out 与镜像约束，再比较纯刺激先验、纯 EEG 和融合模型；最后查看数据许可、时间窗和跨被试划分。
轻量适配器把 EEG 特征与电极、脑图谱坐标结合，将任意导联布局投影到共同皮层潜空间。接入冻结的 EEGPT、LaBraM 和 CBraMod 后，15 项评估中 13 项提高；平均平衡准确率增益为 0.70–3.26 个百分点，单项最高 13.02 个百分点。
它把跨设备泛化从固定通道编号推进到解剖坐标，对真正可复用的 EEG 模型很关键。但平均提升仍有限，收益依赖数据集和骨干；论文也没有证明在新硬件、缺失通道或在线漂移下稳定。
先看五个数据集逐项结果而不是最高增益，再看坐标编码和冻结骨干的消融；最后检查未见导联布局与缺失电极是否真正被隔离测试。
模型在离散化、源重建的 MEG 上做按脑区与会话条件化的下一 token 生成。相较论文中的 MEG-GPT，它用约 22 而非 400 GPU 小时预训练，并把上下文从 0.32 秒扩展到 4 秒；LoRA 条件化还能生成预训练中未见的任务诱发响应。
状态空间模型为长时神经动力学提供了比标准自回归 Transformer 更节省的路径，也便于做模拟和数据增强。但生成保真度不等于解码、控制或临床效用，源重建和离散化还会引入额外先验。
先看与 MEG-GPT 的同数据、同指标对照，再看长上下文消融和任务条件化；最后确认生成样本是否改善独立下游任务。
研究在跨被试验证下分别增加受试者数量和单人试次数，并对性能拟合幂律。总数据量较高时，增加人还是增加试次的区别趋于减弱；但曲线斜率、上限和外推误差依赖具体模型与数据集，多数设置的外推 RMSE 低于 0.1。
它把数据采集计划从经验猜测变成可估计的边际收益问题。对通用 BCI，更多受试者通常改善覆盖，更多试次改善单分布估计，但不能跨任务复用同一缩放指数，也不能用拟合曲线替代外部验证。
先看跨被试划分与受试者/试次采样方式，再比较四数据集的曲线差异；最后检查外推区间是否超出已观测规模。