本研究系统梳理了非侵入式脑-文本解码领域的最新技术突破、建模新范式、现实挑战及未来发展方向。首先，本文总结了基于脑电（EEG）和脑磁（MEG）等神经信号在语言解码及“零样本”泛化能力上的显著进展；其次，本文探讨了引入高空间分辨率的功能性磁共振成像（fMRI）与大语言模型相结合的新型范式，该路径通过将大脑活动映射为模型提示（Prompt），大幅提升了文本生成的语义一致性与流畅度。尽管技术突破不断，但该领域的实际应用仍面临三大瓶颈：算法层面的高噪声与个体差异、硬件层面时空分辨率难以兼得与设备便携性不足、以及数据层面高质量脑-语言配对数据的极度稀缺。展望未来，本研究指出，多模态脑信号融合（如联合EEG/MEG与fMRI）、构建大规模共享数据集与预训练模型、引入个性化微调策略，以及攻克中文等声调语言的解码难题，将是推动非侵入式脑机接口从概念验证迈向现实应用，并最终重塑人机交互方式的关键路径。

中文标题：非侵入式脑-文本解码：迈向更自然的人机交互

英文标题：Non-invasive brain-to-text decoding: Towards more natural brain-computer interaction

论文作者：刘澈，陈晓宇，杜长德，何晖光