脑机接口 / BCI

Do Models Hear Like Us? Probing the Representational Alignment of Audio LLMs and Naturalistic EEG

模型是像我们一样听吗？探查音频大语言模型与自然EEG的表征对齐

Haoyun Yang, Xin Xiao, Jiang Zhong, Yu Tian, Dong Xiaohua, Yu Mao, Hao Wu, Kaiwen Wei

机构 * School of Computer Science, Chongqing University（重庆大学计算机科学学院） ； Dept. of Comp. Sci. and Tech., Institute for AI, Tsinghua University（清华大学计算机科学与技术系、人工智能研究院） ； School of Economics and Business Administration, Chongqing University（重庆大学经济与商业管理学院） ； School of Artificial Intelligence, Southwest University（西南大学人工智能学院） ； The First Affiliated Hospital of Chongqing Medical University（重庆医科大学第一附属医院） 纠错

专题命中 EEG解码 ：EEG(title,abstract)

AI总结 本研究通过比较音频大语言模型与EEG信号，揭示了模型在自然聆听中的表征对齐特性，发现排名依赖分裂、时空对齐模式及情感分离现象。

A Multi-decoder Neural Tracking Method for Accurately Predicting Speech Intelligibility

一种多解码器神经跟踪方法用于准确预测语音可懂度

Rien Sonck, Bernd Accou, Tom Francart, Jonas Vanthornhout

机构 * ExpORL, Dept. of Neurosciences, KU Leuven（ExpORL神经科学系，鲁文大学） 纠错

专题命中 EEG解码 ：EEG(abstract)；分类 eess.SP

AI总结 本研究提出多解码器神经跟踪方法，通过EEG数据预测语音可懂度，提高无法进行行为测试群体的评估准确性。

Systematic review of self-supervised foundation models for brain network representation using electroencephalography

基于脑网络表示的自监督基础模型系统综述：使用脑电图

Hannah Portmann, Yosuke Morishima

专题命中 EEG解码 ：EEG(abstract)；分类 q-bio.NC

AI总结 本文综述了基于脑电图的自监督基础模型，探讨了其预训练方法、模型架构及下游任务应用，指出需更多多样化数据和标准化评估以提升模型通用性。

Comments 19 pages, 1 figure, 3 tables

Training Data Governance for Brain Foundation Models

脑基础模型的训练数据治理

Margot Hanley, Jiunn-Tyng Yeh, Ryan Rodriguez, Jack Pilkington, Nita Farahany

专题命中 EEG解码 ：EEG(abstract)

AI总结 本文探讨了在神经数据上训练基础模型所面临的伦理挑战，提出治理框架以规范数据使用和保护。