DEEPER：稠密 EEG 段落检索

基于摘要分析。该研究针对用户难以将内部信息需求准确表达为文本查询的问题，提出 BPR（Brain Passage Retrieval）框架：不先将 EEG 解码成显式查询，而是直接从 EEG 检索相关文本段落。其主要贡献是将脑信号与段落映射到共享语义空间，探索绕过中间查询生成的跨模态信息检索路径。原标题使用 DEEPER，摘要将所提框架称为 BPR，两者关系尚需全文确认。 技术机制方面，作者采用稠密检索架构对齐 EEG 与文本段落表示。作者报告，消融研究显示硬负样本采样和专用脑信号编码器对跨模态对齐具有关键作用。摘要未提供编码器结构、损失形式、负样本构造方式或训练与推理细节，不能据此推断其具体实现。 实验方面，作者报告在 ZuCo 数据集上，相较既有 EEG-to-text 基线，precision@5 最多提升 8.81%，并称方法在 30 名参与者范围内保持有效。摘要未明确该提升是相对百分比还是百分点，也未列出对应基线分数、检索候选库及具体数据划分，因此不宜将其解释为确定的绝对增益。30 名参与者的评估范围亦不等于已验证 Cross-subject 泛化；被试内、跨被试或跨会话协议尚未验证。 该工作的阅读价值在于检验直接 EEG—段落对齐是否能避免中间文本生成带来的信息损失。但 ZuCo 上的检索结果尚不能直接证明系统能够读取自由形成的搜索意图，或适用于存在文本输入障碍的实际用户。需进一步核对 EEG 采集任务与信息需求的关系、文本与被试划分、候选段落构造、基线公平性，以及消融和统计信息；这些事项尚未验证，并非断言作者未开展相关分析。代码可用性与完整复现条件也尚未验证。