Universal Sleep Decoder：跨被试对齐清醒与睡眠神经表征

基于摘要分析。该研究以人类睡眠期间的记忆内容解码为主要问题，针对睡眠数据标注困难及清醒与睡眠神经模式差异，设计认知神经科学实验，采集清醒和睡眠 EEG，并提出 Universal Sleep Decoder（USD）进行跨状态、跨被试神经表征对齐。 数据与机制：作者报告采集了52名被试的清醒及睡眠 EEG，构建带标注的基准数据集。USD 使用额外的对比学习目标整合清醒与睡眠神经信号，并通过预训练—微调范式利用不同被试的数据。摘要未说明具体网络结构、对比样本构造、标注来源及解码类别，不能据此确定对齐目标如何对应记忆内容。 结果：作者报告，在未见被试上的跨被试零样本评估中，top-1 Accuracy 最高为16.6%，并称其与使用个体睡眠数据的解码表现相当；该比较的训练数据量及具体协议尚未验证。在测试被试数据上微调后，作者报告 top-1 Accuracy 达25.9%，所述随机机会水平为6.7%。零样本与微调属于不同的数据使用条件，不能作为同一协议下的直接对照；微调样本与最终评估样本如何划分仍需核对。 作者报告模型比较与消融支持额外对比目标及预训练—微调范式对性能的贡献，但各模块的具体增益、统计不确定性、睡眠阶段、个体差异和基线设置尚未验证。复现需进一步确认实验任务、记忆标签的获得方式、跨被试划分、测试被试微调流程，以及数据和实现的可获取性。该工作直接涉及 EEG 睡眠解码，但摘要中的分类结果本身不足以确认自然发生的记忆重放或实际 BCI 效用。