BEAM：审计 EEG 与视觉编码器中的选择特异性差距

基于摘要分析。该研究针对 EEG–vision 对齐中的表征解释问题，提出 Brain Encoder Audit with Matched Controls（BEAM），检验概念响应坐标的选择，相较等大小随机坐标子集，是否能改善概念识别及对模型预测的干预。核心贡献是把线性解码与下游干预纳入匹配对照审计，区分“包含可解码概念信息”与“选择后对预测产生更大影响”。 方法上，BEAM 在相同激活位置、输入及子集大小下比较概念坐标选择与随机选择，分别衡量线性解码收益和干预收益。这种设计直接考察坐标选择的额外价值，而不只是观察所选坐标能否解码概念。坐标选择准则、具体干预操作、探针训练及随机对照采样方式尚未验证。 作者报告，在 THINGS-EEG2 上审计的 EEG 与视觉设置中存在选择特异性差距：选择坐标对干预的收益大于对解码的收益。在一个代表性的跨被试 EEG 比较中，所选坐标的干预效应为随机对照的 10.74 倍，探针 Accuracy 为随机对照的 1.25 倍；两者均为相对倍数，不能解释为绝对 Accuracy 或百分点提升，且只对应摘要所述比较。 作者还通过 CLIP 案例中的移除–替换不对称性，以及 EEG 中不同子集上的 steering，分析选择价值如何随操作变化，并提出集中性与可恢复性的解释框架。摘要未提供该解释的具体形式，因此尚不能判断其因果证据强度或适用边界。 复现时需核对跨被试划分、激活位置与子集大小的匹配方式、干预效应定义、随机对照的重复采样及不确定性估计，并确认解码与干预结果采用何种汇总口径。实验协议、消融及统计信息尚未验证。