QUIDS：通过双空间建模生成查询意图

基于摘要分析。该研究面向探索式搜索中查询含糊、用户难以了解搜索系统如何理解输入的问题，提出 QUIDS，利用检索后证据生成面向用户的自然语言查询意图描述，使系统推断的含义可被用户检查。其主要研究对象是搜索交互与文本生成，而非神经信号解码或 BCI。 机制上，QUIDS 使用双空间对比学习，旨在提取与意图相关的信息并抑制无关内容；方法结合双编码器表示空间与解耦解码器，生成简洁、准确的意图描述，并引入意图驱动的困难负样本采样。摘要未提供双空间的具体定义、对比目标、负样本构造规则及解码器实现，不能将其解释为 State Space Model。 作者报告，在所用探索式搜索评估中，QUIDS 在 ROUGE、BERTScore 及人工／LLM 评估上显著优于其比较的先进基线，定性分析也支持意图描述的准确性。但摘要未给出数据集、划分、基线名称、具体分数、显著性检验或评估者设置，因此尚不能核对增益大小及适用范围；实验协议、消融及统计信息尚未验证。作者提供了代码链接，代码完整性、训练配置与复现条件仍需检查。 该方法依赖查询、检索后文本证据及意图描述生成任务，摘要没有建立其与 EEG 数据结构或 BCI 瓶颈的具体对应关系，因此不据此推断 EEG／BCI 效果，也不提出跨领域复现实验。已有 EEG 相关工作尚未检索确认。