脑机百科消息(bciwiki.com)，Arctop发布了一篇论文配套文章，介绍其“基于脑反馈的强化学习（RLbF）”框架，该框架利用实时脑电测量解码认知状态（如工作负荷和压力）作为奖励信号来训练大语言模型。文章于2026年8月23日发布在Arctop官网，作为其论文的通俗版解读，论文全文可在预印本平台获取。
文章指出，传统的人类反馈强化学习（RLHF）依赖于用户事后给出的稀疏、主观且缓慢的反馈，而RLbF利用脑电信号提供连续、非自愿的反馈，使模型能够实时感知其话语在听者大脑中引起的反应。该框架定义了五维认知状态，包括愉悦度、认知负荷、听觉专注、心流状态和压力，每个维度由Arctop自有的专有模型测量。
Arctop表示，该框架已在其应用“Isaac”中部署，目前仅使用认知负荷这一单一维度进行自适应。Isaac通过脑电设备实时监测用户的认知状态，并据此调整对话风格。文章还提出了三阶段微调路径，从监督微调过渡到强化学习，并讨论了奖励黑客等潜在风险。