Europe PMC（brain-computer interface · Preprints）· Gorenshtein A, Omar M, Jia E, Adiniaev Y, Daniel O, Kruskal J, Ahmed M, Brook O, Barash Y, Klang E.·· 2026-08-25精选AI 评分66
研究量化语言模型在ALS脑机接口通信中的影响
Quantifying Large Language Model Influence in Brain Computer Interface Communication for Amyotrophic Lateral Sclerosis
AI 导读
研究团队回顾性重新解码47名肌萎缩侧索硬化（ALS）受试者的3,373次P300拼写选择，将神经后验与从5-gram到467亿参数模型的25种语言先验融合。
AI 要点
团队
作者为 Gorenshtein A、Omar M、Jia E 等，末位作者 Klang E。
主要结果
语言先验对后验位移的参与者加权平均贡献 8.6%（选择中位数 2.9%），神经贡献比例为 0.914（95% CI 0.896-0.934）；4.4% 的选择（95% CI 3.5-5.3）在仅凭神经证据不会选中的情况下输出了目标字符。
解决什么问题
准确率无法说明脑机接口输出的字符是依赖神经证据还是语言模型先验。
方法
回顾性重新解码 47 名肌萎缩侧索硬化患者的 3,373 次 P300 拼写器选择，重建神经后验并与 25 种语言先验（从 5-gram 到 467 亿参数模型）融合。
局限
从研究设计看，为回顾性再解码分析，采用留出集与逐来源校准、等权融合设定。
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P300拼写数据量化语言模型先验对融合解码的贡献，为评估脑机接口中模型影响提供了可迁移方法。
来源：Europe PMC（brain-computer interface · Preprints） · doi.org