词识别与词整合的神经动态

基于摘要分析。研究关注听者如何结合语境预期与逐步到达的听觉证据，在快速、嘈杂的日常语音中识别并整合词语。作者以贝叶斯决策理论形式化词识别过程，并用该计算模型解释被试被动聆听虚构故事时记录的头皮 EEG，考察在线词识别动态及其与词整合神经响应的关系。 核心机制是将随语音输入累积的识别证据与语境中的词惊异度（surprisal）联系到 EEG 响应。作者报告，在该故事聆听范式下，所有词均引发可由语境词惊异度预测的电压调制，符合概率性整合的解释；对于需要超过约 150 ms 输入才能被识别的词，这种调制更强。作者报告，不同词识别时间对应的神经响应潜伏期未观察到差异。这里的约 150 ms 指词识别所需的输入时长，而非 EEG 响应潜伏期。 作者据此支持一种两部分的语音理解模型：词识别迅速且尽早进行，词整合则具有相对独立的时间进程。但摘要同时说明，不包含词识别动态的替代 EEG 模型也取得了相近的性能改善，因此拟合收益尚不能唯一支持该识别机制解释；作者讨论了未来区分这些假设的建模方向。 该工作的主要对象是自然语音理解的计算认知机制及其 EEG 对应关系，而非 BCI 解码算法。被试数量、语音与 EEG 的处理方式、模型拟合和评估划分、性能指标、效应大小、消融及统计信息尚未验证；全文中的替代模型设定与可辨识性分析是进一步阅读时需重点核对的内容。