脑机百科消息(bciwiki.com)，研究人员利用78名受试者的脑电数据进行大规模模拟，发现多种语言模型可使P300拼写器脑机接口的打字速度比传统方法最高提升约45%（受试者内训练）和约75%（跨受试者训练），相关论文发表于2026年10月1日的《PLOS ONE》，PMID 42821610，DOI 10.1371/journal.pone.0349281。
P300拼写器通过把脑电（EEG）响应转换成文本帮助渐冻症（肌萎缩侧索硬化，ALS）等患者沟通，但打字速度慢、需要针对每位用户单独校准，限制了实际应用。此前已有研究表明，GPT-2等大语言模型通过预测词语可明显提升其性能，但这种提升是否只属于特定模型、性能上限在哪里，尚不清楚。
研究团队建立了多模型理论分析框架，在统一的解码框架下评估了多种语言模型，并引入一个“理想化”语言模型来确定可达到的性能上限；同时加入跨受试者分类器训练，以减少校准需求并考察跨受试者的泛化能力。
结果显示，几个表现最好的模型尽管架构不同，性能都已落在理论上限的5%以内，提示继续扩大模型规模的收益递减；上述提升在受试者内与跨受试者分类器中均成立。作者认为，在所考察的解码框架内，语言模型辅助的P300拼写器已接近基于“预言机”的上限，主要瓶颈正从语言建模转向神经信号解码。该研究为离线模拟分析，尚未在患者实时使用中验证。
论文作者单位包括伊利诺伊大学厄巴纳-香槟分校计算机科学系、华盛顿大学生物工程系、加州大学洛杉矶分校放射科学系等。