Europe PMC（brain-computer interface · Preprints）· Gorenshtein A, Omar M, Jia E, Adiniaev Y, Daniel O, Kruskal J, Ahmed M, Brook O, Klang E, Barash Y.·· 2026-09-17精选AI 评分66
研究：脑机接口中AI代理的推理与控制分离
AI agents at the brain-computer interface: separating inference from control
AI 导读
研究团队用47名肌萎缩侧索硬化受试者的1065段解码数据和五个语言模型，考察脑机接口中AI代理的推理与控制问题。以重建的解码器置信度提示代理，在匹配覆盖率下未能将不忠实执行降到确定性门控以下，两个模型显著更差；最高22个百分点的表面安全增益来自更少行动，有时是无效工具调用而非显式弃权。
AI 要点
团队
作者包括 Gorenshtein A、Omar M、Jia E 等，末位作者 Barash Y。
主要结果
用重建的解码器置信度提示智能体，在匹配覆盖率下从未把不忠实执行降到确定性门控以下，两个模型显著更差；表观安全提升最高 22 个百分点实为更少行动。
解决什么问题
AI 智能体从生成文本转向执行动作，上游解码器的不确定性由此成为控制问题。
方法
使用 47 名肌萎缩侧索硬化症患者的 1,065 个片段和五个语言模型；事后公平信息测试给十个模型与确定性解析器相同的命令词表。
局限
从研究设计看，为离线片段分析，未设前瞻性对照；混合架构的覆盖扩展仅在十个模型中的五个出现。
AI 依据原文整理，未经人工核对。
AI 推荐理由
研究用47名ALS受试者的1065段解码数据比较语言模型代理与确定性门控，为脑机接口解码不确定性的控制问题提供可迁移方法。
来源：Europe PMC（brain-computer interface · Preprints） · doi.org