自校准 BCI：无标签心理目标的排序与恢复

该研究关注如何利用交互会话中配对采集的 EEG 脑响应与所呈现的人脸图像，在没有标签信息的条件下恢复参与者心中的目标图像。作者提出自校准框架及算法 CURSOR，旨在不依赖标签或预训练解码器的情况下，对未知心理目标进行刺激排序与恢复。以下基于摘要分析，未取得论文全文。 方法与贡献：研究的主要对象是自然人脸图像及其诱发的 EEG 响应，而非通用意图解码。摘要描述的功能包括预测图像相似度分数、依据分数将刺激相对于未知心理目标排序，以及生成接近该目标的新刺激。作者将该框架称为此类无标签自校准任务的首次探索；这一优先性主张尚未独立核验。摘要未交代 CURSOR 如何从 EEG—图像配对数据建立学习信号，也未说明目标表示、优化目标、图像生成模块及交互更新流程，不能据此补充具体架构或损失形式。 结果与证据：在自然人脸图像实验中，作者报告，无标签条件下预测的图像相似度分数与人类知觉判断相关，并可用于对未知心理目标进行刺激排序。作者还报告，生成的新刺激与未知心理目标不可区分，该结论经 N=53 的用户研究验证；摘要未提供“不可区分”的操作性定义、比较条件、效应量或统计检验，因此不能将其理解为精确重建目标图像的充分证据。 复现与核验：作者声明发布脑响应数据集（N=29）、配套人脸刺激图像及代码。数据集参与者规模与用户研究规模属于不同评估背景，不应合并解读。复现时需核对标签不可用的具体边界、EEG 预处理、交互采集流程、训练与测试划分，以及排序和生成结果的评价方式；被试内、跨被试或跨会话协议，基线对照、消融及统计信息尚未验证。该工作直接涉及 EEG/BCI，但摘要证据不足以支持其对其他刺激类别或实际在线 BCI 场景的泛化效果。