面向 EEG 记录的语言神经表征学习与句子检索

基于摘要分析。该研究针对自然阅读 EEG 到文本解码中语义来源难以辨明的问题，提出两步流程：先学习词级 EEG 语义表征，再依据编码器预测进行句子检索，避免依赖生成式 LLM 直接输出句子。 方法上，作者采用 Conformer 编码器，通过掩码对比目标训练词级分类任务；随后使用无需训练的检索方法，根据编码器预测检索句子。这里“无需训练”指检索阶段，不代表 EEG 编码器无需训练。摘要未给出掩码策略、对比目标的具体形式、词级标签构造或检索排序机制。 作者报告，预测候选的可视化显示，模型能够将 EEG 片段聚集到含义相近的语义类别，并据此认为自然阅读期间记录的 EEG 可支持词级语义学习。作者还表示开展了广泛实验与消融，但摘要未提供数据集、被试数、被试内或跨被试划分、对照基线及定量指标，因此目前无法判断词级分类与句子检索的实际性能或泛化范围。 阅读和复现时，应重点核对 EEG 与词语的对齐方式、训练与测试的文本及被试划分、候选句库范围，以及检索结果相对语言先验或非 EEG 对照的增益。自然阅读条件下的语义分类与句子检索，不等同于任意意图表达或自由文本生成；候选可视化也不足以单独确证语义信息的来源。实验协议、消融及统计信息尚未验证。