脑机百科消息(bciwiki.com)，一种名为HDND（分层动态神经解码）的算法框架，在涵盖四种语言的七个脑电与脑磁图数据集上，实现了非侵入式脑记录的词汇级解码。研究团队2026年9月21日将该预印本上传至arXiv（编号2609.24095），尚未经同行评审。
从非侵入式脑记录中解码单个词汇是脑机接口领域的公认难题：词级神经信号微弱、在时间上分散，且与声学、词汇和语义结构相互纠缠。现有检索方法通常将这些因素压缩为单一表征，可能丢弃中间时间尺度上的有用信息。HDND的核心思路是将词汇解码视为分层逐步精炼，而非一步到位的标签检索，结合中间层神经表征、上下文语义预测，并在部分阅读条件下引入辅助的字符形态目标。
研究团队在英语、荷兰语、普通话和粤语的听觉、阅读及朗读条件下进行评估。在九项词汇检索基准条件中，HDND的参与者平均平衡Top-10点估计值在每一项条件下均高于匹配的上下文词汇解码基线，并在其中八项条件下取得所有对比方法中的最高均值。在相同的九项匹配条件下，HDND的token-micro和汇总word-macro Top-10点估计值同样在每种设置中更高。句子检索在九项条件中的八项有利于HDND，听觉语音片段检索则在六项听觉条件中表现不一。
需要指出的是，该研究目前仅为预印本。Top-10检索指标意味着正确词汇出现在候选列表前10位，距离逐词实时解码的实用水平仍有相当距离。证据中未提供具体的机构隶属信息。