arXiv cs.CL· Yiqian Yang, Yiqun Duan, Chenyu Liu, Yiqi Wang, Xinliang Zhou, Chin-Teng Lin, Yu Zhang·· 2 天前AI 评分27
脑到语言解码综述：任务、信号、方法、评估与实际应用
Brain-to-Language Decoding: Tasks, Signals, Methods, Evaluation, Practical Use and Beyond
AI 导读
一篇综述系统梳理了脑到语言解码研究，将神经活动转化为语言或表达输出，涵盖侵入式与非侵入式测量，检索无年份下限、来源更新至 2026 年 9 月。文章把 Articulated、Inner、Perceived 三类任务与其涉及的神经元群体、解码器可用表征及输出对应起来，并比较已发表性能与通信成本。
正文 · AI 翻译
摘要：脑到语言解码将与语言产生、内部言语和感知相关的神经活动转化为语言或表达性输出。它为言语丧失后恢复交流提供了一条途径，也为研究大脑如何表征语言提供了一种手段。神经记录和表征学习的进展已将该领域从受限的识别和声学重建扩展到文本生成、流式个性化语音和面部动画。本综述综合了侵入性和非侵入性测量方面的这些进展，基于一项没有起始年份下限的检索以及截至 2026 年 9 月的来源驱动更新。我们将 Articulated、Inner 和 Perceived 任务与其所涉及的神经群体、解码器可用的表征以及这些表征所能支持的输出联系起来。我们考察了模型发展、公共资源和评估的演变，并在其报告协议内比较了已发表的性能和通信成本。该综述指出了通往进展的互补路径：语音、声学和语义目标保留了消息的不同方面；共享表征支持在记录条件和任务之间的复用；在线交流越来越依赖于校准、反馈和用户控制以及解码准确性。共享基准支持算法比较，而纵向研究揭示了持续使用的需求。我们讨论了这些发展及其仍然存在的局限性，然后概述了一个前瞻性的五级轨迹，从命令和语言到意义、场景和双向认知交流
| 主题： | 计算与语言（cs.CL）；人机交互（cs.HC）；神经与进化计算（cs.NE） |
| 引用为： | arXiv:2609.27650 [cs.CL] |
| （或 arXiv:2609.27650v3 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2609.27650 由 DataCite 提供的 arXiv 颁发 DOI |
提交历史
来自：Yiqian Yang [查看电子邮件]
[v1]
2026 年 9 月 23 日星期三 10:14:47 UTC（21,336 KB）
[v2]
2026 年 9 月 24 日星期四 02:08:45 UTC（21,443 KB）
[v3]
2026 年 10 月 15 日星期四 03:34:46 UTC（21,987 KB）
来源：arXiv cs.CL · arxiv.org