从静默阅读解码脑内词汇：非侵入式 EEG 首次实现开放词表的语言还原

这篇论文直击非侵入式脑机接口领域一个长期被忽视的根本性难题：内心 speech 解码严重依赖脑活动与自发内心独白的配对语料，而这种语料在现实中根本无法系统采集。现有的替代范式——提示性重复与回顾性报告生成式内心 speech——不仅采集缓慢、时间对齐差，而且受试者依从性无法验证。作者提出一个简洁而务实的转向：以静默阅读作为可扩展的代理任务，并追问一个核心科学问题——在静默阅读过程中，对比解码器究竟能从 EEG 中提取多少词汇与语义信息。这一问题的意义在于，它把难以获得的内心言语解码，转化为一个数据可得、范式可控的实证问题，为后续开放词表脑解码研究奠定了方法论基础。研究的核心贡献即在于证明，即便使用被动静默阅读，EEG 中依然可恢复具有开放词表性质的词级信息，且这一过程受数据量制约而非模型饱和，为领域指明了数据优先的优化方向。 在技术方法上，作者设计了极为精细的实验范式与建模流程。数据来自单一高密度采样受试者，跨越 393 次实验、约 49 小时，记录约 24 万词呈现，使用 19 通道干电极 EEG。实验采用连续叙事文本，以快速视觉串行呈现方式逐词展示，并在每一次试验中随机化排版，这一设计巧妙地将词身份与低层视觉形式部分解耦，避免模型退化为依赖视觉外观的捷径。建模侧采用卷积 EEG 编码器作为特征提取 backbone，可选项后接因果 transformer 以建模时序依赖。训练采用 CLIP 式对比学习目标，将短 EEG 窗口与所呈现词从大语言模型中取出的隐藏态嵌入对齐，从而把脑信号映射到语义空间。解码评估以词分组 top-10 检索为核心指标，并以置换基线作为对照。这种将脑信号与 LLM 语义嵌入对齐的思路，使解码天然具备开放词表能力，无需在训练词表上封闭，是该方法区别于传统闭表解码的关键创新。 实验结果呈现出若干稳健而重要的发现。解码性能稳定高于随机基线，且这一能力不仅覆盖高频词，还扩展至中低频词与罕见词，说明模型学到的是泛化的词汇表征而非记忆训练词。最关键的一点是，解码性能随训练数据量对数线性增长，且未见饱和迹象，这一结论直接支撑了"解码受数据量限制而非饱和"的核心主张，对后续研究的数据采集策略具有指导意义。消融实验进一步揭示了空间贡献结构：移除枕叶与颞后电极后，词级增益下降约三分之一，但上下文追踪能力保持不变，这一发现说明词级解码与上下文追踪在神经来源上部分分离，且枕颞区域对词级信息贡献显著。控制分析则成功将词级解码、叙事上下文追踪，以及由 transformer 位置嵌入引入的非神经位置先验三者区分开来，排除了位置信息污染解码结果的潜在疑虑，增强了结论的可信度。 从行业意义看，这项工作的价值远超单一实验的精度提升。它向开源社区与脑解码研究者证明，开放词表词级信息可从易得的静默阅读 EEG 中恢复，为低成本干电极、长时程、家庭场景的脑机交互提供了可行性依据。在工业落地层面，数据量驱动而非饱和的结论提示工程团队应优先扩大数据采集规模，而非一味追求模型复杂度，这对资源分配具有直接指导意义。对后续研究而言，本文建立的代理范式、对比对齐框架以及词级与上下文分离的分析方法，为内心 speech 解码、语义脑解码等更宏大目标提供了可复用的技术路径。尽管研究目前基于单一受试者，其数据量之大、范式之精细，在领域内极为罕见，为多受试者扩展与临床转化奠定了坚实基础，也预示着静默阅读有望成为脑语义解码研究的重要数据源。