2026年PNPL竞赛：LibriBrain100中的单词分类与高效跨主题泛化

# 2026年PNPL竞赛：LibriBrain100中的词汇分类与高效跨学科泛化
来源：https://arxiv.org/html/2609.03231
Francesco Mantegna所属机构：PNPL![[无标题图片]](https://arxiv.org/html/2609.03231v1/logos/PNPL_logos_final_Pineapple.png)，英国牛津大学工程科学系邮箱：[francesco@robots\.ox\.ac\.uk](mailto:)Gereon Elvers所属机构：PNPL![[无标题图片]](https://arxiv.org/html/2609.03231v1/logos/PNPL_logos_final_Pineapple.png)，英国牛津大学工程科学系邮箱：[gereon@robots\.ox\.ac\.uk](mailto:)Dulhan Jayalath所属机构：PNPL![[无标题图片]](https://arxiv.org/html/2609.03231v1/logos/PNPL_logos_final_Pineapple.png)，英国牛津大学工程科学系邮箱：[dulhan@robots\.ox\.ac\.uk](mailto:)Gilad Landau所属机构：PNPL![[无标题图片]](https://arxiv.org/html/2609.03231v1/logos/PNPL_logos_final_Pineapple.png)，英国牛津大学工程科学系邮箱：[oiwi@robots\.ox\.ac\.uk](mailto:)Miran Özdogan所属机构：PNPL![[无标题图片]](https://arxiv.org/html/2609.03231v1/logos/PNPL_logos_final_Pineapple.png)，英国牛津大学工程科学系Luisa Kurth所属机构：PNPL![[无标题图片]](https://arxiv.org/html/2609.03231v1/logos/PNPL_logos_final_Pineapple.png)，英国牛津大学工程科学系Teyun Kwon所属机构：PNPL![[无标题图片]](https://arxiv.org/html/2609.03231v1/logos/PNPL_logos_final_Pineapple.png)，英国牛津大学工程科学系SungJun Cho所属机构：PNPL![[无标题图片]](https://arxiv.org/html/2609.03231v1/logos/PNPL_logos_final_Pineapple.png)，英国牛津大学工程科学系所属机构：OHBA，英国牛津大学综合神经影像中心Benjamin Ballyk所属机构：PNPL![[无标题图片]](https://arxiv.org/html/2609.03231v1/logos/PNPL_logos_final_Pineapple.png)，英国牛津大学工程科学系Alex Fung所属机构：PNPL![[无标题图片]](https://arxiv.org/html/2609.03231v1/logos/PNPL_logos_final_Pineapple.png)，英国牛津大学工程科学系所属机构：FMRIB，英国牛津大学综合神经影像中心Anna Greer所属机构：PNPL![[无标题图片]](https://arxiv.org/html/2609.03231v1/logos/PNPL_logos_final_Pineapple.png)，英国牛津大学工程科学系Pratik Somaiya所属机构：PNPL![[无标题图片]](https://arxiv.org/html/2609.03231v1/logos/PNPL_logos_final_Pineapple.png)，英国牛津大学工程科学系Christian Herff所属机构：荷兰马斯特里赫特大学Yorguin Mantilla Ramos所属机构：UNIQUE，加拿大蒙特利尔大学Hamza Abdelhedi所属机构：UNIQUE，加拿大蒙特利尔大学Karim Jerbi所属机构：UNIQUE，加拿大蒙特利尔大学所属机构：Mila–魁北克人工智能研究所，加拿大Greg Farquhar所属机构：Google DeepMind，英国\*共同第一作者Brendan Shillingford所属机构：Google DeepMind，英国\*共同第一作者Mark Woolrich所属机构：OHBA，英国牛津大学综合神经影像中心Oiwi Parker Jones所属机构：PNPL![[无标题图片]](https://arxiv.org/html/2609.03231v1/logos/PNPL_logos_final_Pineapple.png)，英国牛津大学工程科学系

###### 摘要

2025年PNPL竞赛\(Landau等人, 2025 (https://arxiv.org/html/2609.03231#bib.bib14)\)的雄心是启动一个为期多年的无创语音解码课程。该课程设计旨在从基础任务推进到实用脑机接口所需的语言复杂度，其起点是语音检测和音素分类任务。获胜提交在这两项任务上的F1宏平均分分别达到95.6%和73.6%\(Elvers等人, 2026 (https://arxiv.org/html/2609.03231#bib.bib35)\)，是极具意义的进步。这一成功建立在LibriBrain数据集\(Özdogan等人, 2025 (https://arxiv.org/html/2609.03231#bib.bib12)\)的基础上，该数据集是当时记录的最大单被试脑磁图数据集，包含约50小时的单一被试数据。然而，虽然单被试规模能驱动强大的解码性能，但实用的BCI必须能从几分钟（而非数小时）的数据中泛化到新用户。

2026年PNPL竞赛通过LibriBrain100\(Mantegna等人, 2026 (https://arxiv.org/html/2609.03231#bib.bib34)\)应对这一挑战。LibriBrain100是LibriBrain数据集的扩展版本，包含32名额外被试（每人约40分钟数据），并增加了更多单被试数据（约80小时）。为推进任务课程以聚焦词汇分类，本次竞赛设置了两个互补赛道：Deep赛道针对大规模单被试词汇分类，旨在达到最佳性能；Broad赛道针对跨被试泛化，逐步将特定被试的微调数据量从约40分钟减少到约20分钟再到约10分钟，该时长在临床可行范围内，使我们朝着能够恢复严重瘫痪者交流能力的无创BCI更近一步。

## 1竞赛描述

图注：按被试划分的数据划分。(a) 数据集示意图。展示了一名获得大量数据的被试以及其他可用训练数据量逐级递减的被试。(b) 数据划分的定量表示。使用断裂y轴以容纳sub-0与其他被试之间的巨大差异，同时保留训练数据比例差异的可见性。垂直虚线分隔被试组，标签标示了每组内可用的训练数据比例。下降曲线说明了跨被试可用训练数据的整体减少趋势。

### 1.1背景与影响

侵入式脑机接口在语音解码方面取得了显著进展。自首次演示从瘫痪个体的植入电极解码连续语音以来\(Moses等人, 2021 (https://arxiv.org/html/2609.03231#bib.bib10)\)，词汇量已从50个词迅速增长到超过12.5万个词\(Willett等人, 2023 (https://arxiv.org/html/2609.03231#bib.bib3)\)，词错误率已降至2.5%\(Card等人, 2024 (https://arxiv.org/html/2609.03231#bib.bib4)\)——这是一个超人类水平的分数，远低于在标准自动语音识别基准测试中报告的约5-10%的人类转录错误率\(Xiong等人, 2016 (https://arxiv.org/html/2609.03231#bib.bib20)\)。然而，侵入式BCI面临广泛部署的根本障碍：脑部手术本身存在风险，个体数据采集难以规模化，而且可能受益最大的群体往往最不可能接受选择性神经外科手术；因此，无创替代方案才是真正的大奖。

在无创神经成像模态中，脑磁图因其毫秒级时间分辨率和通常约5-10毫米的空间精度\(Hämäläinen等人, 1993 (https://arxiv.org/html/2609.03231#bib.bib36)\)（且有可能进一步降低至2-4毫米）\(Barratt等人, 2018 (https://arxiv.org/html/2609.03231#bib.bib15)\)而脱颖而出，其精度范围可与皮质电图等侵入式模态相媲美，却无手术风险。近年来，基于MEG的语音解码取得了实质性进展\(Défossez等人, 2023 (https://arxiv.org/html/2609.03231#bib.bib6); d'Ascoli等人, 2025 (https://arxiv.org/html/2609.03231#bib.bib5); Jayalath等人, 2025b (https://arxiv.org/html/2609.03231#bib.bib33)\)，但与侵入式环境相比，其进展更难解释且更难以在不同研究间进行比较。一个关键原因是缺乏共享基础设施：公共数据集、固定评估划分、标准指标和基线实现，这些使得社区能够基于彼此的工作进行累积性构建。

PNPL竞赛系列的理念是，弥合这一差距不仅需要更好的模型，还需要更好的社区基础设施。2025年PNPL竞赛\(Landau等人, 2025 (https://arxiv.org/html/2609.03231#bib.bib14)\)正是基于此目标而设计。它建立在LibriBrain数据集\(Özdogan等人, 2025 (https://arxiv.org/html/2609.03231#bib.bib12)\)（当时记录的最大的单被试MEG数据集，包含来自单一参与者约50小时的数据）之上，引入了语音检测和音素分类的公共基准测试，以及用于自动数据下载和加载的Python库、用于可复现性的标准化训练/验证/测试划分、参考模型、公共排行榜、教程代码和专门的竞赛网站。这些任务被特意选择得相对简单：语音检测简化为对时间样本的二分类，而音素分类则是一个输出结构可管理的、定义明确的监督学习问题。这是更广泛课程设计的一部分：通过从易于上手的任务开始，我们的目标是降低可能尚不具备自信处理人脑数据所需领域知识的机器学习研究人员的入门门槛，同时为更雄心勃勃的神经语音解码形式奠定基础。获胜提交在各项任务上分别达到了95.6%和73.6%的F1宏平均分，推动了该领域的显著进步\(Elvers等人, 2026 (https://arxiv.org/html/2609.03231#bib.bib35)\)。在2025年夏季，2025年PNPL竞赛吸引了来自15个国家的155支注册团队，产生了6,041次提交。截至2026年4月，LibriBrain数据集下载量已超过16,000次——表明即使2025年竞赛结束后，我们提供的材料仍有明确的需求。

2026年PNPL竞赛代表了合乎逻辑的下一步，拥有显著更多的数据和更大的雄心。这一步现在可行的一个核心原因是扩展后的LibriBrain100数据集\(Mantegna等人, 2026 (https://arxiv.org/html/2609.03231#bib.bib34)\)的规模。与现有的公共MEG语音数据集相比，LibriBrain100占据独特位置：它结合了更深的单被试深度和更大的多被试队列，既支持高性能的单被试建模，也支持跨被试泛化的系统评估（可视化见附录A (https://arxiv.org/html/2609.03231#A1)）。这种深度与广度的结合对于竞赛的双赛道设计至关重要：Deep赛道利用单个被试可获得的异常大量数据，而Broad赛道测试跨被试训练的模型能否高效适应新个体。词汇分类任务是课程中的自然进展：它仍保持足够的结构化以支持明确的基准测试和广泛参与，但已更接近全面脑到文本的长期目标\(Herff等人, 2015 (https://arxiv.org/html/2609.03231#bib.bib1)\)，这与语音转文本类似，但输入是脑信号。虽然语音检测和音素分类主要针对信号中较低层级的声学结构，但词汇分类将词汇和语义信息纳入范围，并开始探究模型能否从MEG数据中恢复有意义的语音单元。作为迈向实用无创B2T的垫脚石，它具有充分动机：词汇分类是首个用于瘫痪个体的侵入式BCI流程的关键组成部分\(Moses等人, 2021 (https://arxiv.org/html/2609.03231#bib.bib10)\)，并且鉴于无创B2T的明显难度，它仍是一个有用的中间目标\(Jo等人, 2024 (https://arxiv.org/html/2609.03231#bib.bib8)\)——尽管我们终于开始看到首批显著优于随机的无创语音B2T词错误率报告\(Jayalath等人, 2025a (https://arxiv.org/html/2609.03231#bib.bib31)\)。尽管Brain2Qwerty模型报告了在被试进行外显键盘输入时解码MEG句子的有趣结果\(Lévy等人, 2026 (https://arxiv.org/html/2609.03231#bib.bib39); Zhang等人, 2026 (https://arxiv.org/html/2609.03231#bib.bib40)\)，但我们认为这与语音BCI不同：目前尚无清晰路径让基于打字的解码被无法移动手指的患者使用。

词汇分类最近在无创解码文献中日益受到关注\(d'Ascoli等人, 2025 (https://arxiv.org/html/2609.03231#bib.bib5); Jayalath等人, 2025a (https://arxiv.org/html/2609.03231#bib.bib31); Jayalath和Parker Jones, 2026 (https://arxiv.org/html/2609.03231#bib.bib32)\)。然而，缺乏标准化评估方案使得结果仍然难以在不同研究间比较。不可比性的一个关键来源是目标词汇的选择。两项研究在各自数据集中使用最常用的几百个词报告相同的评估指标可能看起来可比\(d'Ascoli等人, 2025 (https://arxiv.org/html/2609.03231#bib.bib5); Jayalath等人, 2025a (https://arxiv.org/html/2609.03231#bib.bib31)，例如），但如果目标词不同或其频率在数据集间存在差异，情况就会变得复杂\(Jayalath等人, 2026 (https://arxiv.org/html/2609.03231#bib.bib37)\)。词汇的选择也影响可交流的内容。所有这些原因都使得明确报告目标词汇变得重要。官方竞赛排名在一个50词的竞赛词汇表上进行评估，该词汇表旨在利用训练语料中的高频词并支持表达性交流（附录B (https://arxiv.org/html/2609.03231#A2)）。

为了更容易将竞赛结果与文献中的先前结果进行比较，我们进一步跟踪在第二个50词词汇表上的性能，即Moses 50词汇表，该表在侵入式研究中已被多次使用\(Moses等人, 2021 (https://arxiv.org/html/2609.03231#bib.bib10); Willett等人, 2023 (https://arxiv.org/html/2609.03231#bib.bib3)，例如）。最后，我们报告一种信息论度量，旨在比较具有不同目标词汇的结果：开放词汇互信息\(Jayalath等人, 2026 (https://arxiv.org/html/2609.03231#bib.bib37)\)。OVMI同时考虑了解码性能和词汇覆盖率（第1.5节 (https://arxiv.org/html/2609.03231#S1.SS5)）。

### 1.2创新性

2025年PNPL竞赛是首个专门针对从无创脑数据解码语言的竞赛\(Landau等人, 2025 (https://arxiv.org/html/2609.03231#bib.bib14)\)。在其成功的基础上，2026年竞赛引入了对PNPL系列和更广泛领域而言都是新的元素。

词汇分类作为标准化竞赛任务。尽管词汇分类最近在无创解码文献中受到关注\(d'Ascoli等人, 2025 (https://arxiv.org/html/2609.03231#bib.bib5); Jayalath等人, 2025a (https://arxiv.org/html/2609.03231#bib.bib31); Jayalath和Parker Jones, 2026 (https://arxiv.org/html/2609.03231#bib.bib32)\)，但在此处的标准化评估比针对固定符号集的任务（如音素分类）更为困难。与音素不同，词汇形成一个有效开放的集合，并且词汇的选择——而不仅仅是其规模——会影响测量性能\(Jayalath等人, 2026 (https://arxiv.org/html/2609.03231#bib.bib37)\)。自定义词汇，例如语料库中最常用的K个词