arXiv q-bio.NC（Neurons and Cognition）·2026-10-07 12:00· 17 天前AI 评分41

神经解码中情境先验下的置信度排序反转

Confidence-Ordering Reversal under Contextual Priors in Neural Decoding

AI 导读

在 MEG-MASC 和 MOUS 的语音检索解码中，情境先验经加性浅融合重塑候选得分后，置信度取自同一融合得分，导致先验遗留的错误更自信而准确率不变。

AI 要点

团队

第一作者 Xinyu Zhang，末位作者 Sichao Liu，共 2 位作者。

主要结果

发现置信度排序反转：初始错误预测中，正确候选初始排名靠前时更大 margin 更易修复，靠后时更难；MEG-MASC 上 pooled correctness AUROC 0.87，修复与残留错误的 AUROC 从排名 2-3 的 0.70 降至 21-50 的 0.39。

解决什么问题

上下文先验在重塑候选分数时，置信度也读自同一分数，使先验留下的错误可能更自信而准确率不变。

方法

在 MEG-MASC 和 MOUS 的语音检索上，用局部解码分数、加性浅融合的上下文先验，以融合后 top-two margin 作为置信度。

局限

从研究设计看，为基于既有数据集的解码分析，未涉及新受试者或前瞻性验证。

AI 依据原文整理，未经人工核对。