ERP-XTTN通过查询-键交叉注意力机制，将输入的脑电峰值路由到固定的差异波原型上，无需值投影。分类直接基于原型相似性和成分幅度，使得原型内容对每个决策都有贡献。原型从训练折的总平均差异波的显著极值中自动提取。研究团队在三个公开数据集（BNCI Horizon 2020、HRI Cursor和ERP CORE）上进行了评估，涵盖八种ERP成分（ERN、LRP、ErrP、N170、P300、N2pc、MMN、N400）。评估采用留一被试交叉验证，在三通道设置下使用因果滤波，并与EEGNet、EEG-Deformer、ERP原型匹配网络（EPMN）以及xDAWN结合黎曼几何（xDAWN+RG）进行比较。结果显示，在三通道设置下，最佳基线与ERP-XTTN的平均AUROC差距为0.025。
原型干预实验证实，决策依赖于原型的生理内容，而非仅仅是路由注意力模式。在所有数据集中，假阳性在形态上比真阴性更接近真阳性，表明分类错误在神经生理学上是可以解释的。研究人员指出，与黑盒模型的事后解释方法不同，该模型的每个决策基础在训练后的模型中直接可见。据研究人员称，这是首次在ERP CORE数据集上进行逐epoch的留一被试基准测试。