脑机百科消息(bciwiki.com)，把脑电信号直接翻译成自由文本，一直是非侵入式脑机接口里最受关注的方向之一，但一项针对多个已发表解码器的测试给这个方向泼了一盆冷水：把输入换成随机噪声后，部分模型照样输出流畅、看似合理的句子，成绩与使用真实脑电时相当，说明语言模型可能承担了大部分解码工作。这一结论来自2025年发表于《Scientific Reports》的一项研究，相关梳理由脑电设备厂商Neurotechnology（BrainAccess）于2026年9月16日发布。
该文还提到另一个被长期忽视的问题：许多早期评测采用教师强制（teacher forcing），即在每一步把正确的上一个词喂给模型，而不是让它独立成句。一项被广泛引用的分析发现，改用完全自主解码后，报告的翻译质量分数可能降至教师强制条件下的约三分之一。这些发现并不意味着脑电转文字走不通，而是推动领域把噪声基线测试和默认不使用教师强制变成新模型验证的常规做法。
在真正有进展的工作中，2024年的学术项目EEG2TEXT直接处理开放词汇问题，把脑电专用的预训练与多视角Transformer结合，把头皮不同区域的信号当作同一句话的不同视角，再与语言模型的语义对齐，在标准基准上把翻译质量分数最多提高5个百分点。Meta AI的Brain2Qwerty走了另一条路：不解码想象或说出的词，而是解码人在物理键盘上打字时的脑活动，相关研究发表在《Nature Neuroscience》上，测试了35名志愿者，同时使用脑电和脑磁图（MEG）。
脑磁图读取的是磁场而非电场，需要房间大小的扫描仪，但信号更干净，这也成了该领域的一次诚实检验。在一次直接的头对头比较中，脑磁图表现最好的个体受试者字符错误率为18%，足以完整解码部分训练中从未见过的句子。更新版本Brain2Qwerty v2在9名受试者、22000句打字数据上训练，仅用脑磁图、实时解码，把平均词错误率降到39%；表现最好的受试者有一半句子重建后最多错一个词。研究团队还发现，随着训练数据增加，解码准确率呈对数线性持续改善，尚未看到平台期，这暗示剩余差距的一部分可能仅靠更多数据就能缩小。
把这些线索放在一起，画面相当清楚：非侵入式脑电转文字是真实可行的，也在进步，但仍明显落后于脑磁图这类更干净的信号，更不用说直接放在脑内或脑表面的侵入式植入体。差距在缩小，靠的是更好的架构、更大的数据集，以及在该领域因记忆化问题而收紧标准之后，对解码是否真实更加严格的审视。Neurotechnology在文中表示，其生产低成本无线干电极脑电系统的目的，是让更多大学实验室和独立脑机接口开发者拿到研究级工具，而不必等待少数机构推动下一批数据集与验证。