脑机接口 / BCI

Exploration of LLMs, EEG, and behavioral data to measure and support attention and sleep

探索LLMs、EEG和行为数据以测量和支持注意力与睡眠

Akane Sano, Judith Amores, Mary Czerwinski

机构 * Rice University（里士大学） ； Microsoft Research（微软研究院） 纠错

专题命中 EEG解码 ：EEG(title,title_cn)；分类 eess.SP、cs.LG、cs.HC

AI总结 本文探索利用大语言模型（LLMs）结合脑电图（EEG）和活动数据估计注意力状态、睡眠阶段和质量，并生成改善建议和引导想象脚本，发现LLMs能基于行为特征评估睡眠质量，但基于EEG和活动数据的检测需更多训练数据。

Dynamic cross-scale wavelet coherence

动态跨尺度小波相干性

Haibo Wu, Marina I. Knight, Hernando Ombao

专题命中 EEG解码 ：EEG(summary_cn,abstract)

AI总结 提出一种新统计方法，首次实现功能脑网络中通道间局部相互作用的跨振荡特征描述，通过引入跨尺度依赖的CS-MvLSW模型，准确估计局部单尺度和跨尺度通道依赖性，并在ADHD儿童EEG数据中发现新的临床相关跨尺度相互作用。

Comments 82 pages

Structure leads and dominates comprehension in naturalistic reading

自然阅读中层级结构与统计的相对强度因测量指标而异

Nan Wang, Hanlin Wu, Jiaxuan Li

机构 * Department of Brain and Cognitive Sciences, University of Rochester（罗切斯特大学脑科学与认知科学系） ； Department of Linguistics and Modern Languages, the Chinese University of Hong Kong（香港中文大学语言学与现代语言系） ； Department of Language Science, University of California Irvine（加州大学 Irvine 分校语言科学系） 纠错

专题命中 EEG解码 ：EEG(abstract)；分类 q-bio.NC

AI总结 本研究通过同步脑电图和眼动追踪，结合贝叶斯网络建模和回归分析，探究层级句法结构与统计因素在在线理解中的相对强度，发现层级结构在阅读前即可影响理解，但其强度因行为或神经层面而异。

A sub-Riemannian model of neural states in the primary motor cortex

初级运动皮层神经状态的一个子黎曼模型

Caterina Mazzetti, Jawad Ali, Alessandro Sarti, Giovanna Citti

专题命中 运动想象 ：cortical(abstract)；分类 q-bio.NC

AI总结 基于子黎曼几何框架，通过运动学参数定义片段空间，引入几何核模拟皮层连接，成功从皮层活动模型中恢复出神经状态，验证了运动学变量和距离度量足以解释神经状态形成。

Journal ref Mathematical Neuroscience and Applications, Volume 6, Applications (June 25, 2026) mna:15057

Parameter-Efficient Neuroevolution for Diverse LLM Generation: Quality-Diversity Optimization via Prompt Embedding Evolution

参数高效神经进化用于多样化大语言模型生成：通过提示嵌入进化实现质量-多样性优化

Dongxin Guo, Jikun Wu, Siu Ming Yiu

机构 * The University of Hong Kong（香港大学） ； Stellaris AI Limited（Stellaris AI有限公司） 纠错

专题命中 其他BCI ：neural interface(abstract)；分类 cs.LG

AI总结 本文提出QD-LLM框架，通过进化提示嵌入实现参数高效神经进化，提升大语言模型生成质量与多样性，实验显示其在多个基准测试中表现优异。

Comments 11 pages, 3 figures, 7 tables, 1 algorithm, 1 theorem. Accepted to GECCO 2026