Rosetta Stone of Neural Mass Models
神经质量模型的罗塞塔石碑
专题命中 EEG解码 ：EEG(abstract,abstract_cn)；分类 q-bio.NC
AI总结 本文提出一个统一框架，将各种神经质量模型（NMM）置于从抽象到生物细节的连续谱中，通过从简谐振荡器出发并逐步增加细节，将不同形式转化为可导航的阶梯，从而将NMM选择从主观行为转变为原则性设计决策。
Comments To appear in Physics Reports 2026
科学与医疗
脑机接口 / BCI
脑机接口、EEG、神经信号解码、神经假体和脑控交互。
1. EEG解码 74 篇
Asking Questions the Right Way: A Multi-Agent Conversational System for Prompt Formulation in Complex Task Resolution
以正确方式提问：用于复杂任务解决中提示词生成的多智能体对话系统
专题命中 EEG解码 ：EEG(abstract,abstract_cn)
AI总结 本研究提出多智能体对话系统PAWNI，通过三层提示框架优化提示生成前端，实验显示其可提升提示结构完整性、LLM输出质量并降低人类工作量，支持人-AI协作优化。
Comments 53 pages, 31 figures, 6 tables
A neighbour selection approach for identifying differential networks in conditional functional graphical models
一种用于识别条件功能图模型中差异网络的邻居选择方法
专题命中 EEG解码 ：EEG(abstract,abstract_cn)
AI总结 本文提出了一种基于功能-功能回归的邻居选择方法，用于识别条件功能图模型中的差异网络，通过协变量调节连接模式并提高估计精度和计算效率。
Entangled criticality and irreversibility in random Markov dynamics
异质性主导随机马尔可夫模型中的不可逆性
专题命中 EEG解码 ：EEG(abstract,abstract_cn)
AI总结 该研究提出了一种随机马尔可夫模型，揭示异质性对临界行为和生物动力学分析的关键作用。
Comments 11 pages, 10 figures
Journal ref Phys. Rev. E 114, 014315 (2026)
NeuroClaw Technical Report
NeuroClaw 技术报告
机构 * Electronic Engineering Department, The Chinese University of Hong Kong, China（香港中文大学电子工程系） ； School of Electronic Information, Northwest University, China（西北大学电子信息学院） ； Department of Computer Science, Emory University, Atlanta, GA, USA（埃默里大学计算机科学系） ； Computer Science and Engineering, Lehigh University, Bethlehem, PA, USA（莱斯利大学计算机科学与工程系） ； Department of Radiology, Massachusetts General Hospital, Boston, MA, USA（麻省总医院放射科） ； Kempner Institute for Natural and Artificial Intelligence, Harvard University, Cambridge, MA, USA（哈佛大学自然与人工智能研究所）
专题命中 EEG解码 ：EEG(abstract,abstract_cn)
AI总结 针对神经影像学中多模态数据、长流程和可重复性挑战，提出NeuroClaw多智能体研究助手，通过数据驱动决策、环境管理和三层技能架构实现可执行可复现的神经影像分析，并在NeuroBench基准上显著优于直接调用智能体。
CA-TCN: A Causal-Anticausal Temporal Convolutional Network for Direct Auditory Attention Decoding
CA-TCN: 一种用于直接听觉注意解码的因果-反因果时序卷积网络
机构 * Department of Science, Universidad Pública de Navarra (UPNA)（纳瓦拉公共大学科学系） ； BCBL, Basque Center on Cognition Brain and Language（巴斯克认知脑语言中心） ； Department of Statistics, Computer Sciences and Mathematics, Universidad Pública de Navarra (UPNA)（纳瓦拉公共大学统计、计算机科学与数学系） ； Ikerbasque, Basque Foundation for Science（巴斯克科学基金会）
专题命中 EEG解码 ：EEG(abstract,abstract_cn)
AI总结 提出CA-TCN，一种因果-反因果时序卷积网络，直接对注意说话者进行分类，通过分别采用因果和反因果卷积对齐听觉刺激与神经响应，在多个数据集上比AADNet提升0.5%-3.2%的解码准确率。
Comments 10+2(refs) pages, 5 figures, 4 Tables, IEEE transactions preprint
Segmented Continuous Optimization
函数连续分解
专题命中 EEG解码 ：EEG(abstract)；分类 eess.SP、cs.LG
AI总结 本文提出FCD框架，通过参数连续优化对时间序列进行分解，提升信号分析和机器学习性能。
Comments 6 pages, 4 figures, 3 tables
Sign in the Air to Unlock: An Interface for authentication in Virtual and Augmented Reality Powered by Point-Voxel Cross-Attention Network
空中签名解锁：基于点-体素交叉注意力网络的虚拟与增强现实认证接口
专题命中 EEG解码 ：EEG(abstract)；分类 cs.LG、cs.HC
AI总结 提出一种空中签名认证接口，利用点-体素交叉注意力网络（PV-Net）建模3D轨迹的局部运动与全局结构，在公开和自建数据集上实现低错误率，支持沉浸式环境中的自然交互认证。
Comments Changed the 2nd co-author name from FRank Sicongchen to Frank Sicong chen
PhasorFlow: A Python Library for Unit Circle Based Computing
PhasorFlow：基于单位圆的计算Python库
机构 * Mindverse Computing LLC
专题命中 EEG解码 ：EEG(abstract)；分类 cs.LG
AI总结 PhasorFlow基于单位圆提出新的计算范式，通过复数相位编码和单位波干涉门实现连续几何梯度预测学习，提供Phasor Circuit模型、变分相位电路和相位变换器三大贡献，验证了其在非线性分类、时间序列预测等任务中的有效性。
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
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）
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。
Low-dimensional representation of brain networks for seizure risk forecasting
用于癫痫发作风险预测的脑网络低维表示
专题命中 EEG解码 ：EEG(abstract)；分类 q-bio.NC
AI总结 提出将颅内脑电图功能连接网络嵌入低维欧氏空间，通过机器学习定义无量纲生物标志物B，区分发作间期和发作前期状态，实现可解释的癫痫发作预测。
Comments Accepted for publication in Physica A: Statistical Mechanics and its Applications. This version incorporates revisions suggested during peer review
LGFNet: A CTC-Guided Local-Global Fusion Framework for Single-Channel Sleep Staging
LGFNet：用于单通道睡眠分期的基于CTC引导的局部-全局融合框架
机构 * School of Mathematics and Systems Science, Shandong University of Science and Technology（山东科技大学数学与系统科学学院） ； School of Artificial Intelligence, Shandong Women’s University（山东女子学院人工智能学院） ； School of Computer Science and Engineering, South China University of Technology（华南理工大学计算机科学与工程学院）
专题命中 EEG解码 ：EEG(abstract)
AI总结 研究针对睡眠分期难题，提出LGFNet框架，通过局部-全局融合编码器及CTC-注意力联合训练等方法，有效建模时间动态与睡眠结构，统一时间对齐与上下文建模，经三阶段解码策略提升性能，在跨数据集评估中优于现有单通道方法。
Asymptotic Uniform False Discovery Rate Control for Inference of Time-varying Correlations
通过时间变化p值控制学习时间变化相关网络
专题命中 EEG解码 ：EEG(abstract)
AI总结 本文提出通过时间变化p值控制学习时间变化相关网络的方法，结合高维高斯近似和理论保证的统计程序，用于非平稳时间序列中的虚假发现率控制。
Perceptually Aligning Representations of Music via Noise-Augmented Autoencoders
通过噪声增强自动编码器对音乐表示进行感知对齐
机构 * Johannes Kepler University（约翰内斯·开普勒大学） ； Queen Mary University（女王玛丽大学） ； Sony Computer Science Laboratories (CSL)（索尼计算机科学实验室（CSL））
专题命中 EEG解码 ：EEG(abstract)
AI总结 研究如何通过噪声增强自动编码器结合感知驱动损失对音乐表示进行感知对齐，经训练产生按感知层次结构构建的编码，此方法在估计音乐音高惊喜和预测脑电反应中效果超以前方法，还提供预训练权重。
Comments Accepted to EUSIPCO 2026. Previous version appeared in NeurIPS 2025 - AI for Music Workshop. 5 pages, 2 figures, 1 table
