脑机百科消息(bciwiki.com)，据arXiv于2026-10-16上传的预印本，研究团队提出BEST（Brain-Encoding-Speech-Text），一种将神经活动转换为文字的两阶段框架，用于探索语音脑机接口是否需要更大的模型。本条按未经同行评审的预印本报道；作者另注明论文已获NeurIPS 2026主会接收，这两项状态信息存在待核实之处。
BEST不依赖大型生成模型或以音素为核心的处理流程，而是采用分层中间表征与紧凑的面向语音的解码器，将神经活动映射为文字。中间表征是模型在输入信号和输出文字之间学习的信息表示。作者称，这一设计旨在保留关键结构、降低计算成本，并支持训练数据较少和计算资源受限的应用条件。
在Brain-to-Text '24和'25基准测试中，BEST的词错误率（WER）分别为6.19%和1.62%，参数量仅为可比方法所需参数量的3.85%。词错误率衡量输出文字相对于参考文本的错误程度，不能直接解读为交流成功率；这里报告的参数比例也不等同于运行时间或能耗比例。
作者从分析中提出三点解释：扩大解码器带来的收益并非持续增加；不同信息形式之间的对齐比模型大小更关键；过拟合会损害整段序列的表现。表征分析还显示出一致的神经信号—音频—文字对齐路径。这些是作者基于该研究提出的解释，并不意味着所有语音脑机接口都无需大模型。