脑机百科消息(bciwiki.com)，据arXiv，2026-10-09上传至该平台的预印本《Teaching Neural Decoders with Language》提出“语言作为监督”（Language as Supervision，LaS）方法，用自然语言类别描述辅助脑机接口的神经信号解码。该预印本未经同行评审。研究针对的问题是：传统类别标签监督（CLS）并未明确表达类别之间的关系，而文字描述可能为模型提供更丰富的学习参照。
LaS通过学习得到的投影，将神经特征与自然语言类别描述对齐，再使用候选文本原型预测类别，即根据脑信号表征与各候选类别文本表征的匹配程度作出判断。研究评估了七种编码器架构，在头皮和颅内记录上分别开展视觉、运动和语音解码，模型独立训练。作者报告，与匹配的CLS基线相比，LaS使语音解码准确率最多提高17.15个百分点；这一数值是报告的最大增幅，并非所有任务或模型的共同提升。
作者还报告，所学表征支持候选类别集合复用，以及有标签监督的受试者和会话适配。在稳态视觉诱发电位（SSVEP）响应中，LaS可在特定条件下解码未见过的频率，正确的类别与描述对应关系支持这种泛化。研究通过双侧归因可视化，展示神经输入和文本对同一类别匹配分数的贡献。作者据此提出，文本描述可能成为神经解码学习与解释的通用参照；这些发现不等同于已证实的临床使用效果。