神经解码中上下文先验下的置信度排序反转

在 MEG-MASC 和 MOUS 的语音检索任务中，上下文先验通过加性浅融合重塑候选得分，而置信度取自同一批被重塑的得分，导致先验遗留的错误可能变得更自信却不改变准确率。研究发现初始错误预测中存在置信度排序反转：更大的 top-two margin 反而使修复更可能发生。