#BCI
这个主题在过往早报中的出现记录。深度条目直达研究报告，其余条目回到当日 edition。
- 研究论文2026-07-01 · 周三重要度 3/5
Meta Brain2Qwerty v2 增量:开源训练代码 + BCBL 发布 v1 数据集,9 名志愿者平均词准确率 61% / 最佳 78%
Meta AI 转发 Jean-Remi King:Brain2Qwerty v1 已在 Nature Neuroscience 发表,Brain2Qwerty v2 已开源(v2 在 v1 基础上加入并改进了更鲁棒的语言模型/神经解码 pipeline)。这是继 6-29 Nature 发表后的开源代码 + 数据集同步释放——Meta 走的是『论文 + 代码 + 数据』三件套路线。HN 64 分热帖补充关键事实:这是首个能从原始 MEG 脑信号端到端实时解码整句的非侵入式 BCI,9 名志愿者平均词准确率 61%、最佳 78%。6-29 早报已写过全量增量,本期为延续报道。
- 增量看点是『开源代码 + 数据集』与『Nature 论文』的同步释放
- Meta 用『三件套』路线把 Brain2Qwerty 变成可被全球 BCI 研究者复现的基线,这与 OpenAI 形成鲜明对比。
- 研究论文2026-06-30 · 周二重要度 3/5
Meta Brain2Qwerty v2 增量追踪:开源训练代码 + BCBL 发布 v1 数据集,9 名志愿者平均词准确率 61% / 最佳 78%
Meta 在 v2 登上 Nature 的同时,开源 v1/v2 完整训练代码,合作方 BCBL 发布 v1 数据集。9 名健康志愿者 MEG 打字 10 小时 × 约 22,000 句,平均词准确率 61%,最佳志愿者 78%;>50% 的句子解码错误 ≤1 词。增量视角:本事件昨天已写过全量深度页,本期仅做增量追踪。
- 增量看点是开源代码 + 数据集的同步释放——Meta 走的是『论文 + 代码 + 数据』三件套路线,与 OpenAI 形成鲜明对比。
- 这意味着 Brain2Qwerty 不只是 Meta 的 PR 项目,而是真正可以被全球 BCI 研究者复现的基线。
- 研究论文2026-06-29 · 周一重要度 5/5深度报告 →
Meta Brain2Qwerty v2 上 Nature:从脑信号实时解码整句,平均词准确率 61%,开源代码与数据
Meta AI 联合巴斯克认知脑与语言中心(BCBL)于 2026-06-29 在 Nature 发表 Brain2Qwerty v2——首个能从 MEG 原始脑信号实时解码整句的非侵入式端到端流水线。相比 v1 的字符级分类,v2 跃迁到词与语义级:9 名志愿者佩戴 MEG 设备各打字 10 小时共约 22,000 句,深度学习模型处理 MEG 信号并微调 LLM,平均词准确率 61%、最佳受试者 78%、超半数句子解码错误 ≤1 词,且性能随数据量对数线性扩展。研究代码已开源,v1 数据集同步开源。这是侵入式 BCI 之外,首次具备临床沟通可行性的非侵入式路径。