MAD：多重对齐的 MEG 到文本解码

基于摘要分析。该研究针对非侵入式脑信号语言解码中未见文本泛化与多模态信息整合的问题，提出 MAD，以端到端多重对齐框架将 MEG 信号直接解码为文本。主要研究对象是 MEG，而非 EEG；摘要虽以两者介绍研究背景，但未提供 EEG 实验结果。 方法方面，作者将方案描述为具有多重对齐的语音解码框架，旨在生成完全未见过的文本。摘要未说明具体对齐对象、辅助模态、网络结构、损失函数以及训练与推理流程，因此尚不能判断多重对齐如何约束神经信号与语言表示。作者声称这是首个直接从 MEG 生成完全未见文本的端到端多重对齐框架，该优先性主张尚未独立核实。 结果方面，作者报告在 GWilliams 数据集、面向完全未见文本生成的评估中，MAD 的 BLEU-1 为 10.44，对照基线为 5.49。摘要未给出基线名称、被试数、文本划分方式，以及是否采用 Within-subject 或 Cross-subject 协议；“未见文本”的具体定义也需核对全文。BLEU-1 衡量文本生成的词汇重合，不能等同于 Accuracy，也不足以单独确认语义还原程度或实际 BCI 可用性。 作者提供了代码链接，可作为核对实现与复现条件的入口，但代码内容、数据预处理、评估脚本及所需资源尚未验证。实验协议、消融及统计信息尚未验证；现有材料支持关注 MEG 语言解码与未见文本泛化，不支持推断其已实现 EEG 迁移或实时应用。