arXiv（brain-computer interface）·· 2026-09-02AI 评分24
Slow-Fast BCI：防止 AI 介导神经接口中的神经自适应过拟合
Slow-Fast Brain-Computer Interfaces: Preventing Neuroadaptive Overfitting in AI-Mediated Neural Interfaces
AI 导读
针对 AI 介导脑机接口可能过度优化短期指标、偏离用户长期目标的问题，研究者提出"神经自适应过拟合"这一闭环失效模式，并给出 Slow-Fast BCI 框架。该框架依据解码器证据、不确定性、情境与临床风险、疲劳及用户或临床医生设定的目标来调节 AI 辅助节奏，区分快速、谨慎与慢速辅助三档。文章主张 AI 介导 BCI 的评估不应只看解码准确率与任务表现，还应考察 AI 辅助的部署方式。
AI 要点
主体
作者 Aarthy Nagarajan，以 Perspective/Commentary 形式在 arXiv 发表（q-bio.NC，交叉 cs.HC、eess.SP）。
事件
提出「Slow-Fast BCI」框架：按解码器证据、不确定性、情境与临床风险、疲劳及用户或临床医生设定的目标，调节 AI 辅助的快慢节奏。
时间
2026 年 9 月 1 日（UTC）提交 v1，北京时间 2026-09-02 发布。
地点
原文未提及。
原因或背景
作者认为 AI 正把脑机接口从任务专用解码器变成自适应系统，而常规性能指标可能忽略意图保真、作者身份、能动性、治疗挑战与持久临床获益的损失。
方式或细节
定义「神经自适应过拟合」为闭环失效模式：系统过度优化短期成功代理指标（省力、快速接受、低负荷、任务顺畅完成），偏离用户长期目标；并区分意图明确且低风险时的快速辅助、不确定时的审慎辅助、错位可能危及安全/能动性/作者身份/运动学习/治疗价值时的慢速辅助，覆盖通信、运动控制、神经康复与闭环神经调控，给出对应保障与评估措施。
AI 依据原文整理，未经人工核对。
来源：arXiv（brain-computer interface） · arxiv.org