MLNLP社区是国内外知名的机器学习与自然语言处理社区，受众覆盖国内外NLP硕博生、高校老师以及企业研究人员。

社区的愿景是促进国内外自然语言处理，机器学习学术界、产业界和广大爱好者之间的交流和进步，特别是初学者同学们的进步。

MLNLP学术Talk是由 MLNLP社区 和 中国中文信息学会青年工作委员会 联合举办的学术交流活动，旨在邀请一线青年学者分享最前沿的技术，期待最精彩的思想火花碰撞。

本期MLNLP学术Talk邀请了清华大学叶子逸在2025年7月19日9:00-10:00为我们带来“基于脑信号的语义解码与交互系统设计”的主题报告。详细信息如下：

1

讲者简介

个人介绍：

叶子逸，清华大学计算机系博士。主要研究方向包括信息检索、人工智能、脑机交互等，其代表性研究成果主要有基于脑机接口的信息检索系统原型构建、可解释的人类偏好对齐模型构建等。在国际高水平会议和期刊发表或录用研究论文二十余篇，其中以第一作者在Nature Communications Biology, ICLR, TOIS, SIGIR, MM, The Web Conference等国际顶尖会议和期刊上发表多篇长文。曾获清华大学启航金奖、北京市优秀毕业生、国家奖学金、CCIR最佳论文提名等荣誉。

2

报告摘要

当前，基于脑信号的语义解码技术和相关设备尚未达到能广泛应用于协助人与信息系统交互的成熟水平。从低信噪比的脑信号中提取语义信息并将其高效应用于信息系统仍面临巨大挑战。针对这一问题，我们提出了两种方法来应对开放式语义解码场景和基于反馈的语义解码场景。在开放式语义解码场景中，我们提出了BrainLLM，该方法将大脑记录中解码的语义表征直接作为大语言模型的输入，并结合上下文文本生成语言。研究表明，BrainLLM在处理高困惑度解码内容时表现更为有效；且随着语言模型能力的提升，脑信号带来的性能增益也随之增加。在基于反馈的语义解码场景中，我们提出了一种脑拓扑网络，用于理解用户对反馈内容的满意度，并设计了一种利用从脑信号中采集的反馈信息来进行基于语义的相关性反馈的方法。我们在闭环系统中验证了该方法的效果，初步探索了其在信息系统中的应用潜力。

3

主持人介绍

罗璇，香港理工大学博士生，研究兴趣为自然语言处理、大语言模型，价值观检测。在AAAI，TCSS等会议、期刊上发表学术论文。

4

直播平台

视频号

B站

关于我们

MLNLP 社区是由国内外机器学习与自然语言处理学者联合构建的民间学术社区，目前已经发展为国内外知名的机器学习与自然语言处理社区，旨在促进机器学习，自然语言处理学术界、产业界和广大爱好者之间的进步。

社区可以为相关从业者的深造、就业及研究等方面提供开放交流平台。欢迎大家关注和加入我们。

（文：机器学习算法与自然语言处理）