科学最前沿 | AI心理学、脑机接口领域 20 篇最新预印本工作速览

▶ 本期20篇代表性预印本

01. 混合深度学习架构能否提升脑电语音包络重建

02. 深度神经集成模型如何提升语音神经解码

03. 可解释机器学习揭示瞳孔相关知觉背后的皮层活动

04. 感觉运动 β 爆发可作为人类分级用力调节的稳健标记

05. 用经典机器学习和时间动态分析解码人类连接组功能磁共振认知状态

06. 深度学习如何从电镜图像解码基因编辑小鼠轴突超微结构

07. 摆脱数值积分后神经网络也能学习前向动力学

08. 从动作和物体识别到心理化的神经阶段解码

09. 音乐情绪中的运动共振可由脑电机器学习解码

10. 运动皮层无监督解码为何受到高维度和情境依赖限制

11. 运动皮层和海马的环路特异群体动态可产生等价意志学习

12. 生物物理生成模型可精准推断钙信号背后的放电

13. 青少年精神预测中神经影像相对混杂变量提供的信息有限

14. 人脑类别选择性不同于人工神经网络类别选择性

15. 全脑群体动态的深度表征学习揭示可分离神经代码

16. 自然场景结构如何预判目标是否被看见

17. 深度生成模型捕捉脑结构连接拓扑特征的比较评估

18. 分层诊断可识别深度神经网络中的偏置驱动决策

19. 人脑探索-利用决策的时空解码

20. 解码乐观和悲观偏差如何动态塑造风险行为

本期20篇代表性预印本

01

bioRxiv · 2026-05-27

Investigating Hybrid Deep Learning Architectures for Speech Envelope Reconstruction from EEG

混合深度学习架构能否提升脑电语音包络重建

Uday Sankar Gottipalli, Aditi Jha, Krishna Miyapuram

https://www.biorxiv.org/content/10.64898/2026.05.24.727471v1

背景：听觉系统如何在复杂或受损条件下编码声音、语音和空间信息，以及这些编码如何影响真实情境中的理解能力。 这使它不仅是一个单纯的技术或现象描述，而是直接服务于AI 模型、脑信号解码和脑机接口应用这一类认知神经科学问题。

方法：作者采用EEG 用于分析毫秒级脑电动态；机器学习/神经网络模型用于预测、解码或比较表征；数据集、管线或工具评估用于检验可复现性和适用范围。这些方法共同服务于一个目标：把题名中的心理过程与可测量的行为、脑活动或模型变量对应起来。

结果：作者报告，混合深度学习架构可以从 EEG 中重建语音包络，提示深度模型有助于提高听觉注意和语音跟踪解码。

价值：为评估 AI 方法在脑与行为解码、神经表征建模和 BCI 控制中的实际价值提供了参考。 这篇的具体价值在于把清晰的任务或数据指标与神经/行为解释联系起来，便于读者判断该结果能否迁移到自己的实验设计、分析管线或理论问题中。

02

bioRxiv · 2026-06-04

Neural decoding of speech using deep neural ensembles

深度神经集成模型如何提升语音神经解码

Seonghyun Yoon, Donald T. Avansino, Sasidhar Madugula, Alisa D. Levin, Chaofei Fan, Benyamin Abramovich Krasa, Akansha…

https://www.biorxiv.org/content/10.64898/2026.06.02.729705v1

背景：听觉系统如何在复杂或受损条件下编码声音、语音和空间信息，以及这些编码如何影响真实情境中的理解能力。 这使它不仅是一个单纯的技术或现象描述，而是直接服务于AI 模型、脑信号解码和脑机接口应用这一类认知神经科学问题。

方法：作者采用机器学习/神经网络模型用于预测、解码或比较表征；数据集、管线或工具评估用于检验可复现性和适用范围；人类参与者或患者数据用于检验个体差异和实际行为表现。这些方法共同服务于一个目标：把题名中的心理过程与可测量的行为、脑活动或模型变量对应起来。

结果：作者报告，视网膜群体编码会随视觉输入的时间统计结构改变，预测未来运动的时间窗也会相应调整，说明早期视觉系统具有灵活的预测编码能力。

价值：为评估 AI 方法在脑与行为解码、神经表征建模和 BCI 控制中的实际价值提供了参考。 这篇的具体价值在于把清晰的任务或数据指标与神经/行为解释联系起来，便于读者判断该结果能否迁移到自己的实验设计、分析管线或理论问题中。

03

bioRxiv · 2026-06-01

Mesoscopic cortical activities associated with pupil-linked perceptions inferred via explainable machine learning

可解释机器学习揭示瞳孔相关知觉背后的皮层活动

T. Komori, S. Mizusaki, S. Tomita, N. Yoneda, O. Matoba, M. Morita

https://www.biorxiv.org/content/10.64898/2026.05.27.726399v1

背景：瞳孔相关觉醒信号如何与感觉加工、注意状态或认知努力相联系，以及这些信号在动态环境中是否仍然可靠。 这使它不仅是一个单纯的技术或现象描述，而是直接服务于AI 模型、脑信号解码和脑机接口应用这一类认知神经科学问题。

方法：作者采用钙成像或宽场成像用于观察群体神经活动；瞳孔测量用于刻画觉醒、努力或状态变化；机器学习/神经网络模型用于预测、解码或比较表征；数据集、管线或工具评估用于检验可复现性和适用范围；小鼠实验用于连接行为、环路和神经活动。这些方法共同服务于一个目标：把题名中的心理过程与可测量的行为、脑活动或模型变量对应起来。

结果：作者报告，瞳孔相关活动可预测感觉或认知状态，但其解释需要区分亮度、运动、努力和觉醒等因素；校正后瞳孔指标在动态环境中更可靠。

价值：为评估 AI 方法在脑与行为解码、神经表征建模和 BCI 控制中的实际价值提供了参考。 这篇的具体价值在于把清晰的任务或数据指标与神经/行为解释联系起来，便于读者判断该结果能否迁移到自己的实验设计、分析管线或理论问题中。

04

bioRxiv · 2026-05-29

Investigating sensorimotor beta burst dynamics as a robust biomarker for graded force modulation in humans

感觉运动 β 爆发可作为人类分级用力调节的稳健标记

Md Shaheen Perwez, James J. Bonaiuto, Bhivraj Suthar, Vignesh Muralidharan

https://www.biorxiv.org/content/10.64898/2026.05.07.723396v3

背景：哪些神经信号可以作为脑机接口或神经解码的稳定特征，并支持更精细的运动、语音或情绪状态识别。 这使它不仅是一个单纯的技术或现象描述，而是直接服务于AI 模型、脑信号解码和脑机接口应用这一类认知神经科学问题。

方法：作者采用EEG 用于分析毫秒级脑电动态；机器学习/神经网络模型用于预测、解码或比较表征；人类参与者或患者数据用于检验个体差异和实际行为表现。这些方法共同服务于一个目标：把题名中的心理过程与可测量的行为、脑活动或模型变量对应起来。

结果：作者报告，视网膜群体编码会随视觉输入的时间统计结构改变，预测未来运动的时间窗也会相应调整，说明早期视觉系统具有灵活的预测编码能力。

价值：为评估 AI 方法在脑与行为解码、神经表征建模和 BCI 控制中的实际价值提供了参考。 这篇的具体价值在于把清晰的任务或数据指标与神经/行为解释联系起来，便于读者判断该结果能否迁移到自己的实验设计、分析管线或理论问题中。

05

bioRxiv · 2026-06-01

Decoding Cognitive States from fMRI Using Classical Machine Learning and Temporal Dynamics Analysis: An Interpretable Approach Using the Human Connectome Project

用经典机器学习和时间动态分析解码人类连接组功能磁共振认知状态

Valeriya Kirova, Dzerassa Kadieva, Daniil Vlasenko, Fedor Ratnikov, Isak B. Blank

https://www.biorxiv.org/content/10.64898/2026.05.29.728756v1

背景：学习过程中的预测、奖励、误差和行为调整如何被不同脑区编码，并如何随经验更新。 这使它不仅是一个单纯的技术或现象描述，而是直接服务于AI 模型、脑信号解码和脑机接口应用这一类认知神经科学问题。

方法：作者采用fMRI/BOLD 信号用于定位或比较脑区活动；机器学习/神经网络模型用于预测、解码或比较表征；数据集、管线或工具评估用于检验可复现性和适用范围；人类参与者或患者数据用于检验个体差异和实际行为表现。这些方法共同服务于一个目标：把题名中的心理过程与可测量的行为、脑活动或模型变量对应起来。

结果：作者报告，经典机器学习结合时间动态分析可以从 HCP fMRI 数据中解码认知状态，并提高模型可解释性。

价值：为评估 AI 方法在脑与行为解码、神经表征建模和 BCI 控制中的实际价值提供了参考。 这篇的具体价值在于把清晰的任务或数据指标与神经/行为解释联系起来，便于读者判断该结果能否迁移到自己的实验设计、分析管线或理论问题中。

06

bioRxiv · 2026-05-27

Deep learning-based decoding of axonal ultrastructure in gene-edited mice using electron microscopy imaging

深度学习如何从电镜图像解码基因编辑小鼠轴突超微结构

Nianqi Deng, Guillaume Miao, Anmar Khadra, Alan Peterson, Hooman Bagheri

https://www.biorxiv.org/content/10.64898/2026.05.26.727755v1

背景：学习过程中的预测、奖励、误差和行为调整如何被不同脑区编码，并如何随经验更新。 这使它不仅是一个单纯的技术或现象描述，而是直接服务于AI 模型、脑信号解码和脑机接口应用这一类认知神经科学问题。

方法：作者采用颅内记录用于获得高时间分辨率神经信号；机器学习/神经网络模型用于预测、解码或比较表征；数据集、管线或工具评估用于检验可复现性和适用范围；小鼠实验用于连接行为、环路和神经活动。这些方法共同服务于一个目标：把题名中的心理过程与可测量的行为、脑活动或模型变量对应起来。

结果：作者报告，深度学习可从电子显微图像中解码轴突超微结构，为连接微观结构和神经功能提供自动化工具。

价值：为评估 AI 方法在脑与行为解码、神经表征建模和 BCI 控制中的实际价值提供了参考。 这篇的具体价值在于把清晰的任务或数据指标与神经/行为解释联系起来，便于读者判断该结果能否迁移到自己的实验设计、分析管线或理论问题中。

07

bioRxiv · 2026-06-01

Neural networks learn forward dynamics when freed from numerical integration

摆脱数值积分后神经网络也能学习前向动力学

Serhii Bahdasariants, Sergiy Yakovenko

https://www.biorxiv.org/content/10.64898/2026.05.27.728310v1

背景：机器学习和神经网络模型能否从脑信号、行为数据或刺激特征中可靠解码认知状态，并说明模型与人脑表征的相似和差异。 这使它不仅是一个单纯的技术或现象描述，而是直接服务于AI 模型、脑信号解码和脑机接口应用这一类认知神经科学问题。

方法：作者采用机器学习/神经网络模型用于预测、解码或比较表征。这些方法共同服务于一个目标：把题名中的心理过程与可测量的行为、脑活动或模型变量对应起来。

结果：作者报告，视网膜群体编码会随视觉输入的时间统计结构改变，预测未来运动的时间窗也会相应调整，说明早期视觉系统具有灵活的预测编码能力。

价值：为评估 AI 方法在脑与行为解码、神经表征建模和 BCI 控制中的实际价值提供了参考。 这篇的具体价值在于把清晰的任务或数据指标与神经/行为解释联系起来，便于读者判断该结果能否迁移到自己的实验设计、分析管线或理论问题中。

08

bioRxiv · 2026-05-27

Decoding the neural stages from action and object recognition to mentalizing

从动作和物体识别到心理化的神经阶段解码

Moritz F. Wurm, Seoyoung Lee

https://www.biorxiv.org/content/10.1101/2025.11.25.690412v2

背景：机器学习和神经网络模型能否从脑信号、行为数据或刺激特征中可靠解码认知状态，并说明模型与人脑表征的相似和差异。 这使它不仅是一个单纯的技术或现象描述，而是直接服务于AI 模型、脑信号解码和脑机接口应用这一类认知神经科学问题。

方法：作者采用fMRI/BOLD 信号用于定位或比较脑区活动；颅内记录用于获得高时间分辨率神经信号；机器学习/神经网络模型用于预测、解码或比较表征；人类参与者或患者数据用于检验个体差异和实际行为表现。这些方法共同服务于一个目标：把题名中的心理过程与可测量的行为、脑活动或模型变量对应起来。

结果：作者报告，动作和物体识别到心理化加工可被分解为不同神经阶段，说明社会认知解码需要区分低层识别和高层推断。

价值：为评估 AI 方法在脑与行为解码、神经表征建模和 BCI 控制中的实际价值提供了参考。 这篇的具体价值在于把清晰的任务或数据指标与神经/行为解释联系起来，便于读者判断该结果能否迁移到自己的实验设计、分析管线或理论问题中。

09

bioRxiv · 2026-06-08

Motor Resonance of Musical Emotion: A Machine Learning Approach to EEG Decoding During Expressive Music Performance

音乐情绪中的运动共振可由脑电机器学习解码

Alice M. Proverbio, milos milovanovic

https://www.biorxiv.org/content/10.64898/2026.06.04.730044v1

背景：学习过程中的预测、奖励、误差和行为调整如何被不同脑区编码，并如何随经验更新。 这使它不仅是一个单纯的技术或现象描述，而是直接服务于AI 模型、脑信号解码和脑机接口应用这一类认知神经科学问题。

方法：作者采用EEG 用于分析毫秒级脑电动态；机器学习/神经网络模型用于预测、解码或比较表征；数据集、管线或工具评估用于检验可复现性和适用范围。这些方法共同服务于一个目标：把题名中的心理过程与可测量的行为、脑活动或模型变量对应起来。

结果：作者报告，高度逼真的人脸刺激揭示了情绪知觉的多簇结构，说明强迫选择标签可能掩盖了人们对情绪面孔的连续和分群表征。

价值：为评估 AI 方法在脑与行为解码、神经表征建模和 BCI 控制中的实际价值提供了参考。 这篇的具体价值在于把清晰的任务或数据指标与神经/行为解释联系起来，便于读者判断该结果能否迁移到自己的实验设计、分析管线或理论问题中。

10

bioRxiv · 2026-06-04

Non-saturating dimensionality, contextual dependence, and the limits of unsupervised decoding in motor cortex

运动皮层无监督解码为何受到高维度和情境依赖限制

Michael P Silvernagel, Alice Y Tor, Elizabeth J Jun, Stephen E Clarke, Robert Sutherland, Kenji Marshall, Yuxin Wu, Muh…

https://www.biorxiv.org/content/10.64898/2026.01.26.701668v2

背景：机器学习和神经网络模型能否从脑信号、行为数据或刺激特征中可靠解码认知状态，并说明模型与人脑表征的相似和差异。 这使它不仅是一个单纯的技术或现象描述，而是直接服务于AI 模型、脑信号解码和脑机接口应用这一类认知神经科学问题。

方法：作者采用机器学习/神经网络模型用于预测、解码或比较表征。这些方法共同服务于一个目标：把题名中的心理过程与可测量的行为、脑活动或模型变量对应起来。

结果：作者报告，结果围绕模型如何从脑信号中解码认知或行为状态展开，显示相关行为表现、神经信号或模型指标之间存在可解释的联系；这些发现为该方向提供了新的可检验假设。

价值：为评估 AI 方法在脑与行为解码、神经表征建模和 BCI 控制中的实际价值提供了参考。 这篇的具体价值在于把清晰的任务或数据指标与神经/行为解释联系起来，便于读者判断该结果能否迁移到自己的实验设计、分析管线或理论问题中。

11

bioRxiv · 2026-06-05

Equivalent volitional learning emerges through circuit-specific population dynamics in motor cortex and hippocampus

运动皮层和海马的环路特异群体动态可产生等价意志学习

Andres de Vicente, Catalin Mitelut, Renan Viana Mendes, Lorenzo Marianelli, Mariona Colomer Rosell, David Bruckner, Gia…

https://www.biorxiv.org/content/10.64898/2026.06.04.730137v1

背景：记忆相关神经元和海马环路如何在学习前后改变活动结构，并支持记忆形成、检索或恐惧/空间行为。 这使它不仅是一个单纯的技术或现象描述，而是直接服务于AI 模型、脑信号解码和脑机接口应用这一类认知神经科学问题。

方法：作者采用小鼠实验用于连接行为、环路和神经活动。这些方法共同服务于一个目标：把题名中的心理过程与可测量的行为、脑活动或模型变量对应起来。

结果：作者报告，作者提出用复杂系统框架研究沉浸体验，把媒体刺激、主观体验和脑动态放在同一分析框架中。

价值：为评估 AI 方法在脑与行为解码、神经表征建模和 BCI 控制中的实际价值提供了参考。 这篇的具体价值在于把清晰的任务或数据指标与神经/行为解释联系起来，便于读者判断该结果能否迁移到自己的实验设计、分析管线或理论问题中。

12

bioRxiv · 2026-06-04

Precise calcium-to-spike inference using biophysical generative models

生物物理生成模型可精准推断钙信号背后的放电

Gerard Joey Broussard, Giovanni Diana, Francisco J Urra Quiroz, Berat Semichan Sermet, Nelson Rebola, Sanjeev Janarthan…

https://www.biorxiv.org/content/10.1101/2024.12.31.630967v3

背景：这篇论文要回答的是：AI心理学、脑机接口中的核心机制问题如何被测量、建模或解释，以及相关证据能否支持更清晰的心理和神经机制。 这使它不仅是一个单纯的技术或现象描述，而是直接服务于AI 模型、脑信号解码和脑机接口应用这一类认知神经科学问题。

方法：作者采用钙成像或宽场成像用于观察群体神经活动；机器学习/神经网络模型用于预测、解码或比较表征；数据集、管线或工具评估用于检验可复现性和适用范围。这些方法共同服务于一个目标：把题名中的心理过程与可测量的行为、脑活动或模型变量对应起来。

结果：作者报告，作者提出用复杂系统框架研究沉浸体验，把媒体刺激、主观体验和脑动态放在同一分析框架中。

价值：为评估 AI 方法在脑与行为解码、神经表征建模和 BCI 控制中的实际价值提供了参考。 这篇的具体价值在于把清晰的任务或数据指标与神经/行为解释联系起来，便于读者判断该结果能否迁移到自己的实验设计、分析管线或理论问题中。

13

bioRxiv · 2026-05-26

AI-based Psychiatric Prediction in Youth: Neuroimaging Provides Minimal Gains Beyond Confounds

青少年精神预测中神经影像相对混杂变量提供的信息有限

Sam Gijsen, Ammar Ibrahim, Marija Tochadse, Kerstin Ritter

https://www.biorxiv.org/content/10.64898/2026.05.22.727174v1

背景：学习过程中的预测、奖励、误差和行为调整如何被不同脑区编码，并如何随经验更新。 这使它不仅是一个单纯的技术或现象描述，而是直接服务于AI 模型、脑信号解码和脑机接口应用这一类认知神经科学问题。

方法：作者采用fMRI/BOLD 信号用于定位或比较脑区活动；EEG 用于分析毫秒级脑电动态；机器学习/神经网络模型用于预测、解码或比较表征。这些方法共同服务于一个目标：把题名中的心理过程与可测量的行为、脑活动或模型变量对应起来。

结果：作者报告，视网膜群体编码会随视觉输入的时间统计结构改变，预测未来运动的时间窗也会相应调整，说明早期视觉系统具有灵活的预测编码能力。

价值：为评估 AI 方法在脑与行为解码、神经表征建模和 BCI 控制中的实际价值提供了参考。 这篇的具体价值在于把清晰的任务或数据指标与神经/行为解释联系起来，便于读者判断该结果能否迁移到自己的实验设计、分析管线或理论问题中。

14

bioRxiv · 2026-06-02

Category selectivity observed in the human brain is distinct from category selectivity observed in artificial neural networks

人脑类别选择性不同于人工神经网络类别选择性

Alish Dipani, N. Apurva Ratan Murty

https://www.biorxiv.org/content/10.64898/2026.05.29.728609v1

背景：机器学习和神经网络模型能否从脑信号、行为数据或刺激特征中可靠解码认知状态，并说明模型与人脑表征的相似和差异。 这使它不仅是一个单纯的技术或现象描述，而是直接服务于AI 模型、脑信号解码和脑机接口应用这一类认知神经科学问题。

方法：作者采用fMRI/BOLD 信号用于定位或比较脑区活动；机器学习/神经网络模型用于预测、解码或比较表征。这些方法共同服务于一个目标：把题名中的心理过程与可测量的行为、脑活动或模型变量对应起来。

结果：作者报告，人脑中的类别选择性与人工神经网络中的类别选择性并不完全相同，提醒研究者不能把模型相似性直接等同于脑机制。

价值：为评估 AI 方法在脑与行为解码、神经表征建模和 BCI 控制中的实际价值提供了参考。 这篇的具体价值在于把清晰的任务或数据指标与神经/行为解释联系起来，便于读者判断该结果能否迁移到自己的实验设计、分析管线或理论问题中。

15

bioRxiv · 2026-05-27

Deep Representation Learning on Whole-Brain Population Dynamics Uncovers Geometrically Separable Neural Codes

全脑群体动态的深度表征学习揭示可分离神经代码

Amina Abdelbaki, Paul Bandow, Karen Y. Cheng, Ilona C. Grunwald Kadow, Martin Paul Nawrot, Vahid Rostami

https://www.biorxiv.org/content/10.64898/2026.05.12.724368v3

背景：学习过程中的预测、奖励、误差和行为调整如何被不同脑区编码，并如何随经验更新。 这使它不仅是一个单纯的技术或现象描述，而是直接服务于AI 模型、脑信号解码和脑机接口应用这一类认知神经科学问题。

方法：作者采用钙成像或宽场成像用于观察群体神经活动；机器学习/神经网络模型用于预测、解码或比较表征；数据集、管线或工具评估用于检验可复现性和适用范围。这些方法共同服务于一个目标：把题名中的心理过程与可测量的行为、脑活动或模型变量对应起来。

结果：作者报告，结果围绕学习经验如何改变脑活动和行为展开，显示相关行为表现、神经信号或模型指标之间存在可解释的联系；这些发现为该方向提供了新的可检验假设。

价值：为评估 AI 方法在脑与行为解码、神经表征建模和 BCI 控制中的实际价值提供了参考。 这篇的具体价值在于把清晰的任务或数据指标与神经/行为解释联系起来，便于读者判断该结果能否迁移到自己的实验设计、分析管线或理论问题中。

16

bioRxiv · 2026-06-08

Scene Structure Predicts Perceptual Decisions in Naturalistic Detection Tasks

自然场景结构如何预判目标是否被看见

Jun Yang, Tiziana Vercillo, Teresa Emma Cutrona, Simone Azeglio, Giandomenico Iannetti, Peter Neri

https://www.biorxiv.org/content/10.64898/2026.06.03.729800v1

背景：自然场景的整体结构是否会影响近阈限目标的知觉判断，以及这种影响是否能在行为、模型和脑电信号中同时看到。 这使它不仅是一个单纯的技术或现象描述，而是直接服务于AI 模型、脑信号解码和脑机接口应用这一类认知神经科学问题。

方法：作者采用心理物理任务用于测量知觉或行为判断；EEG 用于分析毫秒级脑电动态；机器学习/神经网络模型用于预测、解码或比较表征；数据集、管线或工具评估用于检验可复现性和适用范围。这些方法共同服务于一个目标：把题名中的心理过程与可测量的行为、脑活动或模型变量对应起来。

结果：作者报告，自然场景背景本身会系统性影响目标是否被正确探测；即使没有目标，场景结构也能预测部分行为结果，并与深度模型和 EEG 证据相互印证。

价值：为评估 AI 方法在脑与行为解码、神经表征建模和 BCI 控制中的实际价值提供了参考。 这篇的具体价值在于把清晰的任务或数据指标与神经/行为解释联系起来，便于读者判断该结果能否迁移到自己的实验设计、分析管线或理论问题中。

17

bioRxiv · 2026-06-08

Comparative Evaluation of Deep Generative Models for Capturing Topological Features in Brain Structural Connectivity

深度生成模型捕捉脑结构连接拓扑特征的比较评估

Chisato Kumada, Tomoyuki Hiroyasu, Satoru Hiwa

https://www.biorxiv.org/content/10.64898/2026.06.03.729714v1

背景：机器学习和神经网络模型能否从脑信号、行为数据或刺激特征中可靠解码认知状态，并说明模型与人脑表征的相似和差异。 这使它不仅是一个单纯的技术或现象描述，而是直接服务于AI 模型、脑信号解码和脑机接口应用这一类认知神经科学问题。

方法：作者采用机器学习/神经网络模型用于预测、解码或比较表征；数据集、管线或工具评估用于检验可复现性和适用范围。这些方法共同服务于一个目标：把题名中的心理过程与可测量的行为、脑活动或模型变量对应起来。

结果：作者报告，结果围绕模型如何从脑信号中解码认知或行为状态展开，显示相关行为表现、神经信号或模型指标之间存在可解释的联系；这些发现为该方向提供了新的可检验假设。

价值：为评估 AI 方法在脑与行为解码、神经表征建模和 BCI 控制中的实际价值提供了参考。 这篇的具体价值在于把清晰的任务或数据指标与神经/行为解释联系起来，便于读者判断该结果能否迁移到自己的实验设计、分析管线或理论问题中。

18

bioRxiv · 2026-06-06

A layer-resolved diagnostic identifies bias-driven decisions in deep neural networks

分层诊断可识别深度神经网络中的偏置驱动决策

Johan Nakuci

https://www.biorxiv.org/content/10.1101/2025.09.16.676625v6

背景：机器学习和神经网络模型能否从脑信号、行为数据或刺激特征中可靠解码认知状态，并说明模型与人脑表征的相似和差异。 这使它不仅是一个单纯的技术或现象描述，而是直接服务于AI 模型、脑信号解码和脑机接口应用这一类认知神经科学问题。

方法：作者采用机器学习/神经网络模型用于预测、解码或比较表征。这些方法共同服务于一个目标：把题名中的心理过程与可测量的行为、脑活动或模型变量对应起来。

结果：作者报告，结果围绕模型如何从脑信号中解码认知或行为状态展开，显示相关行为表现、神经信号或模型指标之间存在可解释的联系；这些发现为该方向提供了新的可检验假设。

价值：为评估 AI 方法在脑与行为解码、神经表征建模和 BCI 控制中的实际价值提供了参考。 这篇的具体价值在于把清晰的任务或数据指标与神经/行为解释联系起来，便于读者判断该结果能否迁移到自己的实验设计、分析管线或理论问题中。

19

bioRxiv · 2026-06-03

Spatiotemporal Decoding of Explore-Exploit Decisions in the Human Brain

人脑探索-利用决策的时空解码

Rohit Yadav, John D. Romero, Julia M. Stephen, Jon M. Houck, James F. Cavanagh, Vincent D. Costa, Jeremy Hogeveen

https://www.biorxiv.org/content/10.64898/2026.06.01.729427v1

背景：机器学习和神经网络模型能否从脑信号、行为数据或刺激特征中可靠解码认知状态，并说明模型与人脑表征的相似和差异。 这使它不仅是一个单纯的技术或现象描述，而是直接服务于AI 模型、脑信号解码和脑机接口应用这一类认知神经科学问题。

方法：作者采用MEG 用于追踪皮层活动的时空过程；机器学习/神经网络模型用于预测、解码或比较表征。这些方法共同服务于一个目标：把题名中的心理过程与可测量的行为、脑活动或模型变量对应起来。

结果：作者报告，结果围绕模型如何从脑信号中解码认知或行为状态展开，显示相关行为表现、神经信号或模型指标之间存在可解释的联系；这些发现为该方向提供了新的可检验假设。

价值：为评估 AI 方法在脑与行为解码、神经表征建模和 BCI 控制中的实际价值提供了参考。 这篇的具体价值在于把清晰的任务或数据指标与神经/行为解释联系起来，便于读者判断该结果能否迁移到自己的实验设计、分析管线或理论问题中。

20

bioRxiv · 2026-05-27

Decoding how optimism-pessimism bias dynamically shapes risk-taking behavior

解码乐观和悲观偏差如何动态塑造风险行为

Iori Higashino, Ryo Ito, Yasushi Okochi, Kengo Inutsuka, Hiroshi Yokoyama, Rikako Kato, Yuichiro Yada, Ken-ichi Amemori…

https://www.biorxiv.org/content/10.64898/2026.05.01.722186v2

背景：机器学习和神经网络模型能否从脑信号、行为数据或刺激特征中可靠解码认知状态，并说明模型与人脑表征的相似和差异。 这使它不仅是一个单纯的技术或现象描述，而是直接服务于AI 模型、脑信号解码和脑机接口应用这一类认知神经科学问题。

方法：作者采用颅内记录用于获得高时间分辨率神经信号；机器学习/神经网络模型用于预测、解码或比较表征；数据集、管线或工具评估用于检验可复现性和适用范围；非人灵长类实验用于研究接近人类的感觉或决策机制。这些方法共同服务于一个目标：把题名中的心理过程与可测量的行为、脑活动或模型变量对应起来。

结果：作者报告，结果围绕模型如何从脑信号中解码认知或行为状态展开，显示相关行为表现、神经信号或模型指标之间存在可解释的联系；这些发现为该方向提供了新的可检验假设。

价值：为评估 AI 方法在脑与行为解码、神经表征建模和 BCI 控制中的实际价值提供了参考。 这篇的具体价值在于把清晰的任务或数据指标与神经/行为解释联系起来，便于读者判断该结果能否迁移到自己的实验设计、分析管线或理论问题中。

编辑：BQ

审核：PsyBrain 脑心前沿编辑部

你好，这里是「PsyBrain 脑心前沿」

专注追踪全球认知神经科学的最尖端突破

视野直击 Nature, Science, Cell 正刊 及核心子刊与顶级大刊

每日速递「深度解读」与「前沿快讯」

科研是一场探索未知的长跑，但你无需独行。欢迎加入PsyBrain 学术社群，和一群懂你的同行，共同丈量脑与心智的无垠前沿。

点击卡片进群，欢迎你的到来

一键关注，点亮星标 ⭐ 前沿不走丢！

一键分享，让更多人了解前沿