ProCA：用于稳健 EEG 视觉解码的渐进式对比对齐

基于摘要分析。该研究针对 EEG 视觉解码中噪声神经响应与稳定视觉语义难以稳健对齐的问题，提出 Progressive Contrastive Alignment（ProCA），通过逐步调整语义监督与结构一致的特征插值，适应 EEG 表征随试次、被试及学习阶段发生的变化。 核心机制：作者认为，固定的视觉或文本锚点难以持续匹配变化中的 EEG 语义关系，并报告了相应经验观察及形式化分析：固定语义监督可能使优化产生偏向，不考虑结构的扰动可能扭曲语义重要的 EEG 成分。ProCA 将类别级对比监督从冻结的视觉语言先验逐步细化为 EEG 感知的语义关系，同时依据通道与时间维度的重要性约束特征混合。作者将其定位为模型无关的统一框架；具体关系估计方式、更新日程、损失形式及重要性计算方法尚未验证。 结果：作者报告，在被试依赖、被试独立、严格跨被试迁移及持续适应四类设置下，Top-1/Top-5 的平均相对增益分别为 7.4%/3.9%、10.0%/4.6%、28.1%/17.8% 和 16.8%/11.6%。这些数值是各设置下的相对提升，不是绝对准确率或百分点提升，不能据此直接比较不同协议的解码水平。 复现与局限：摘要未提供数据集、被试规模、训练测试划分、对照基线及绝对结果，实验协议、消融及统计信息尚未验证。阅读全文时应重点核对严格跨被试迁移与个性化持续适应的具体定义、适应阶段可访问的数据和标签、语义关系更新的稳定性，以及两项机制各自的贡献。实现可用性与复现资源也尚未验证。