arXiv（brain-computer interface）·· 2026-09-03AI 评分30
2026 PNPL 竞赛：LibriBrain100 上的词分类与高效跨受试者泛化
The 2026 PNPL Competition: Word Classification and Efficient Cross-Subject Generalisation in LibriBrain100
AI 导读
2026 PNPL 竞赛基于扩展数据集 LibriBrain100 设置词分类任务，该数据集在原有单受试者约 50 小时 MEG 数据基础上新增 32 名受试者（每人约 40 分钟）及约 80 小时单受试者数据。竞赛设 Deep 与 Broad 两条赛道：前者追求单受试者大规模词分类的最优性能，后者聚焦跨受试者泛化，将受试者特定微调数据从约 40 分钟逐步压缩至约 20 分钟、约 10 分钟。
AI 要点
团队
牛津 Oiwi Parker Jones 团队（末位作者），第一作者 Francesco Mantegna，共 21 位作者。
主要结果
2025 届 PNPL 竞赛语音检测与音素分类的获胜方案分别达到 F1-macro 95.6% 与 73.6%。
解决什么问题
非侵入语音解码从受试者内大规模数据，转向用数分钟数据泛化到新用户。
方法
基于 MEG 数据集 LibriBrain100：新增 32 名受试者（每人约 40 分钟），受试者内数据扩至约 80 小时；设 Deep 与 Broad 两条赛道。
局限
从研究设计看，为竞赛任务与数据集论文，未报告实际解码性能；目标人群（重度瘫痪者）的临床效果尚未验证。
AI 依据原文整理，未经人工核对。
来源：arXiv（brain-computer interface） · arxiv.org