非决策时间信息约束的阈值坍缩扩散模型：具有可辨识时变参数的联合建模框架

基于摘要分析。本研究针对决策阈值随时间变化的证据积累模型中参数估计不可靠的问题，提出将非决策时间与外部观测关联的联合建模框架。其主要研究对象是知觉决策的认知过程及行为建模，EEG 在其中用于提供非决策时间测量，而非直接构建 BCI 解码算法。 核心机制：传统证据积累模型通常假定噪声证据累积至固定阈值；时变阈值模型允许阈值随时间变化，但参数估计的可靠性会限制对潜在认知过程和个体差异的解释。本文引入逐试次、带噪声的非决策时间观测，为扩散模型中的非决策时间提供约束，尝试改善时变阈值参数的估计。摘要未给出阈值函数、观测噪声模型、联合建模的具体形式或估计方法，这些细节尚未验证。 证据与结果：作者报告，在参数恢复模拟中，加入逐试次带噪声的非决策时间测量，显著改善了时变阈值扩散模型的参数估计可靠性。作者还重新分析了两项知觉决策任务的实验数据，使用 hidden multivariate pattern method 从 EEG 记录中提取非决策时间测量。作者报告，该约束除改善参数估计外，也改善了对行为数据的拟合；摘要未提供具体效应量、拟合指标或统计结果，不能据此量化改善幅度。 阅读与复现重点：需核对 EEG 测量如何对应非决策时间、测量误差如何进入联合模型，以及参数恢复在不同噪声水平和阈值动态下的稳定性。被试规模、任务细节、数据划分、对照模型、实验协议、消融及统计信息尚未验证，代码与数据可用性亦尚未验证。现有材料支持其作为 EEG 辅助认知建模方法的阅读价值，但不足以推断在线 BCI 或跨被试解码收益。