脑机百科消息(bciwiki.com)，一种名为冯·诺依曼状态空间Transformer（VN-SST）的神经解码模型，在三个运动皮层基准测试中比现代Transformer更高效，尤其在数据稀缺时表现突出。该预印本由Morteza Sarafyazd撰写，于2026年8月25日上传至arXiv。
VN-SST是一种记忆增强的Transformer，其前馈模块采用低秩指令库，通过共享基础算子与少量学习到的低秩指令，为每个token合成权重矩阵。这种设计模拟了皮层计算的低维特性，使模型在数据有限的情况下仍能有效解码。在三个运动皮层基准上，VN-SST在数据最稀缺的基准上大幅领先，在其他两个基准上也表现更优，并且将更长的上下文转化为更高的准确率。
该模型还在两个小型文本基准上展现了更高的参数效率，提示其机制可能具有通用性。需要指出的是，该研究为预印本，尚未经过同行评审。