脑机接口 / BCI

Brain-Language-Action (BLA) Models: Language-Conditioned EEG for Robotics Control

脑-语言-动作（BLA）模型：用于机器人控制的语言条件化脑电图

Alexandr Plashchinsky

机构 * VECTOR Labs（VECTOR实验室） 纠错

专题命中 EEG解码 ：EEG(title,summary_cn)；BCI(summary_cn,abstract)；neural signal(abstract)；分类 cs.LG、cs.RO

AI总结 该研究提出脑-语言-动作（BLA）模型，通过语言条件化扩展EEG机器人控制范围，基于BCI数据集开发无人机控制BLA，经两阶段训练后在840种映射中达到90%每标记准确率。

The Deep-Match Framework for Event-Related Potential Detection in EEG

用于EEG事件相关电位检测的深度匹配框架

Marek Zylinski, Bartosz Tomasz Smigielski, Gerard Cybulski

机构 * Institute of Metrology and Biomedical Engineering, Faculty of Mechatronics, Warsaw University of Technology（计量与生物医学工程研究所，机电学院，华沙技术大学） 纠错

专题命中 EEG解码 ：EEG(title,title_cn)；brain-computer interface(abstract)；分类 eess.SP、cs.LG

AI总结 本文提出深度匹配框架用于单试次EEG事件相关电位检测，通过结合ERP模板先验知识提升检测性能，实验表明Deep-MF模型在跨受试者差异中表现更稳健，F1分数更高。

MEL: Coordinate-Preserving EEG Tokenization for fMRI Translation

MEL：用于fMRI转换的坐标保留型EEG分词

Xiangyu Liu, Zeting Yan, Zhitong Yin, Boyang Li, Xi Zhang

机构 * Beijing Normal-Hong Kong Baptist University（北京师范大学-香港浸会大学联合国际学院） ； The University of Hong Kong（香港大学） ； Peking University（北京大学） 纠错

专题命中 EEG解码 ：EEG(title,title_cn)；neural decoding(abstract)；分类 cs.LG

AI总结 本研究提出坐标保留型EEG表示框架MEL，通过结构化EEG表示解决EEG到fMRI转换中的表示接口不匹配问题，在基准数据集上相比NeuroBOLT基线提升了预测性能。

Augmenting Human Performance with an XR Agent Learning from Online Behavior and BCI Evidence

利用从在线行为和BCI证据学习的XR智能体增强人类表现

Ziheng Li, Xichen He, Haoyan Chen, Charlie Zou, Sheng Bai, Benjamin Yang, Mengyuan Wu, Jake Ledner, Yi-Jie Cheng, Akito Yamauchi, Dishita G Turakhia, Steven Feiner, Paul Sajda

机构 * Columbia University（哥伦比亚大学） ； Emory University（埃默里大学） 纠错

专题命中 EEG解码 ：BCI(title,title_cn)；EEG(summary_cn,abstract)；分类 cs.HC

AI总结 研究人员提出OLIVE框架，通过融合EEG与XR游戏行为信号，适配基础模型生成实时辅助智能体，在目标切换时收敛更快，可提升用户目标检测能力且不依赖个人技能。

Comments To appear in ACM UIST 2026. 30 pages, 23 figures

EEGDM: Learning EEG Representation with Latent Diffusion Model

EEGDM: 通过潜在扩散模型学习EEG表示

Shaocong Wang, Tong Liu, Yihan Li, Ming Li, Kairui Wen, Pei Yang, Wenqi Ji, Minjing Yu, Yong-Jin Liu

机构 * Tsinghua University（清华大学） ； Tianjin University（天津大学） 纠错

专题命中 EEG解码 ：EEG(title,title_cn)；分类 cs.LG

AI总结 EEGDM提出一种基于潜在扩散模型的自监督框架，通过生成EEG信号来捕捉全局动态和长程依赖，实现高质量的EEG信号重建和鲁棒表示学习。

Group Resonance Network: Learnable Prototypes and Multi-Subject Resonance for EEG Emotion Recognition

群体共振网络：可学习原型与多受试共振用于EEG情绪识别

Renwei Meng

机构 * Anhui University（安徽大学） 纠错

专题命中 EEG解码 ：EEG(title,title_cn)；分类 cs.LG

AI总结 GRN通过结合个体EEG动态与群体共振建模，提升EEG情绪识别的跨受试性能，利用可学习原型和多受试共振机制实现更准确的分类。

Comments 12 pages, 4 figures, accepted by International Conference on Artificial Neural Networks (ICANN), 2026

A large dataset of human EEG responses to short naturalistic videos for studying dynamic visual event processing

用于研究动态视觉事件处理的人类脑电图响应大型数据集——针对短自然视频

Alessandro T. Gifford, Pablo Oyarzo, Anne W. Zonneveld, Christina Sartzetaki, Iris I. A. Groen, Radoslaw M. Cichy

专题命中 EEG解码 ：EEG(title,summary_cn)；分类 q-bio.NC

AI总结 本文推出EEG Moments Dataset（EMD），含6名受试者观看1102段短自然视频的EEG与眼动数据，结合BMD可开展动态视觉事件大脑响应的时空解析研究，并公开数据及教程供使用。

GraM-Diff: A Unified Graph-Mamba Diffusion Framework for EEG-Based Alzheimer's Disease Data Generation and Diagnosis

GraM-Diff：用于基于脑电图的阿尔茨海默病数据生成与诊断的统一图-状态空间扩散框架

M. Tanveer, Ayush Singh Rana, Sanskriti Jain, Arnav Kumar, Aryaman Tiwari, A. Rahaman, A. Quadir, M. Sajid

机构 * Indian Institute of Technology Indore（印度理工学院印多尔分校） 纠错

专题命中 EEG解码 ：EEG(title,abstract)；分类 cs.LG

AI总结 本研究提出GraM-Diff框架，通过结合图卷积网络与双向Mamba状态空间块生成脑电图数据，用于阿尔茨海默病诊断，在四个基准测试中提升了分类性能与鲁棒性。

Journal ref MICCAI 2026 EMERGE

Behavioral Latency as Weak Event-Time Supervision for EEG Reaction-Time Decoding

行为延迟作为脑电反应时解码的弱事件时间监督

Anuar Aimoldin, Ayana Mussabayeva, Yedige Mussabayev, Xue Liu, Kun Zhang

专题命中 EEG解码 ：EEG(title,abstract)；分类 cs.LG

AI总结 该研究将试次级脑电反应时解码重新表述为事件时间后验建模，在5个随机种子下证实其相比标量回归等方法提升了预测性能，且具有可解释性。

Comments 33 pages, including appendices; 7 figures and 12 tables. Accepted for publication in Neural Computation

Beyond Reconstruction: What EEG-to-Video Decoding Actually Recovers

超越重建：脑电信号到视频解码究竟能恢复什么

Prajwal Singh, Anupam Sharma, Pankaj Pandey, Krishna Miyapuram, Shanmuganathan Raman

专题命中 EEG解码 ：EEG(title,abstract)；分类 cs.HC

AI总结 本研究提出EEGVid框架用于脑电到动态视频的解码，发现脑电含视觉与情绪结构，当前重建仅反映粗粒度刺激级信息，三元组学习可优化脑电特征，生成器会主动利用脑电作为内容信号。

TaxCE : A Framework for Automated Taxonomy Construction and Evaluation at Scale

TaxCE：大规模自动分类法构建与评估框架

Sandeep Sricharan Mukku, Albert Aristotle Nanda, Rohit Pyati

机构 * Amazon（亚马逊） 纠错

专题命中 EEG解码 ：EEG(summary_cn,abstract)

AI总结 针对大规模非结构化反馈文本分类法构建的挑战，本文提出TaxCE框架，结合EEG指标的闭环迭代优化机制，在分类法质量上优于现有基线方法。

Comments EMNLP 2026 - Industry

Front-end and Back-end Computational Modeling of 40-Hz Auditory Steady-State Response Abnormalities in Schizophrenia

精神分裂症中40Hz听觉稳态反应异常的前端与后端计算建模

Wenjun Xia, Yan Xu, Zhengdi Zhang

专题命中 EEG解码 ：EEG(abstract,abstract_cn)；cortical(abstract)；分类 q-bio.NC

AI总结 本研究通过构建听觉前端与威尔逊-考恩E/I模型耦合的系统，发现精神分裂症的40Hz ASSR降低可能源于感觉编码、皮层E/I动态改变或两者结合，其框架可支持患者水平机制比较与个体化分层。

Vision Models Predict Urban Scene Appraisal with Limited Neural Alignment

视觉模型通过有限的神经对齐预测城市场景评价

Kaizhen Tan, Yuantao Deng

机构 * New York University（纽约大学） 纠错

专题命中 EEG解码 ：EEG(abstract,abstract_cn)

AI总结 该研究通过脑电数据测试视觉模型预测城市场景评价的能力，发现预测评价与神经表征对应性弱，为评估视觉模型的场景表征一致性提供了仅需55张图像嵌入的基准。

Discovering Machine Correlates of Consciousness

发现机器意识关联物

Romain Salvi, Ouri Wolfson

机构 * Pirouette Software Inc.（皮鲁埃特软件公司） ； University of Illinois Chicago（伊利诺伊大学芝加哥分校） ； Polytechnic of Turin（都灵理工大学） 纠错

专题命中 EEG解码 ：EEG(abstract,abstract_cn)

AI总结 本文提出可迁移的机器意识关联物（MCCs）定义，通过对Llama-2 7B和Llama-3.1 70B开展实验，发现规模更大的Llama-3.1 70B中存在MCCs，且MCCs可用于检测AI智能体情绪。

Comments published in: Springer Lecture Notes in Artificial Intelligence Vol. 16855, Proceed- ings of the 19th International Conference on Artificial General Intelligence (AGI- 2026), San Francisco, CA, July 2026. pp. 237-255 https://doi.org/10.1007/978-3- 032-33195-3_18

Journal ref Springer Lecture Notes in Artificial Intelligence Vol. 16855, Proceedings of the 19th International Conference on Artificial General Intelligence (AGI-2026), San Francisco, CA, July 2026. pp. 237-255

Weighted total variation regularization for inverse problems with significant null spaces

加权总变分正则化用于具有显著空空间的反问题

Martin Burger, Ole Løseth Elvetun, Bjørn Fredrik Nielsen

专题命中 EEG解码 ：EEG(abstract,abstract_cn)

AI总结 本文提出加权总变分正则化方法，用于解决具有显著空空间的反问题，有效恢复远离边界的源位置和大小。

User Experience in Human-Machine Interaction: Insights from Field Studies in Autonomous Mobility

人机交互中的用户体验：来自自主移动实地研究的见解

Helen Schneider, Svetlana Pavlitska, J. Marius Zöllner

专题命中 EEG解码 ：EEG(abstract_cn)；分类 cs.HC

AI总结 本研究针对AVs用户接受度研究的场景局限，通过144名参与者的真实交通实地研究，验证多模态传感在乘客情感推断中的实用性，提供相关研究工具，为自主系统用户中心设计奠定基础。

Comments Accepted for publication at ABAW Workshop at ECCV2026

SYNAPSE: Neuro-Symbolic Visual Thought-to-Text Decoding via Topological Semantic Denoising

SYNAPSE: 通过拓扑语义去噪的神经符号视觉思维到文本解码

Akshaj Murhekar, Abhijit Mishra

机构 * School of Information University of Texas at Austin（信息学院德克萨斯大学奥斯汀分校） 纠错

专题命中 EEG解码 ：EEG(abstract)；分类 cs.LG

AI总结 提出SYNAPSE框架，利用常识图结构和潜在样本进行推理时符号正则化，稳定脑电到文本解码中的语义生成，无需微调大语言模型。

Comments Accepted to Findings of EMNLP 2026