SPICED：受突触稳态启发的无监督持续 EEG 解码框架

基于摘要分析。该研究面向新被试持续出现、被试间差异影响解码的场景，提出受突触稳态启发的无监督持续 EEG 解码框架 SPICED，试图在适应新被试与保留既有知识之间维持稳定性—可塑性平衡。 核心机制是一种可在持续适应过程中动态扩展的突触网络，结合三类仿生机制：关键记忆再激活，选择性激活与任务相关的记忆以支持适应；突触巩固，强化被重新激活的关键记忆并提高其后续回放优先级；突触重归一化，周期性弱化全局记忆痕迹，以保留继续学习的能力。摘要将三者的协同作用描述为强化具有任务判别力的记忆、弱化有害记忆，并优先回放与新被试关联较强的记忆痕迹。 作者报告在三个 EEG 数据集上验证了框架的有效性，并称其能够支持新被试适应、缓解长期持续学习中的灾难性遗忘。摘要未提供数据集名称、解码任务、被试数量、被试到达顺序、数据划分、对照方法或具体指标，因此尚不能量化其收益，也不能将结果与其他跨被试解码协议直接比较。 复现时需核对“无监督”所覆盖的训练与适应阶段、记忆痕迹的表示方式及选择依据、回放优先级的更新规则、网络扩展与重归一化的触发条件，以及存储和计算开销。尤其需要区分新被试适应性能与历史被试知识保留的评估；实验协议、消融及统计信息尚未验证。摘要提供了明确的机制思路，但不足以确定各机制的独立贡献或长期持续适应的适用边界。