我已经阅读了完整的论文。我已经有足够的事实锚点来撰写评论。让我整理这些发现：

已建立的关键事实锚点：

1. 论文全文：已通过 arXiv HTML 完整阅读（约 107k 字符，涵盖所有章节：引言、方法、结果、讨论、结论、参考文献、附录）。
2. OMC Wiki：未查询到相关记录（三个查询均返回空结果）。
3. paper-wiki：未找到关于该论文或相关概念的记录。
4. free-search 学术搜索：
   • Kun Sun 先前的工作：arXiv 2403.18542 (2024) “Attention-aware semantic relevance predicting Chinese sentence reading” — 同一作者提出的相同指标，已应用于阅读/眼动追踪。
   • Sun et al. 2023 “An interpretable measure of semantic similarity for predicting eye movements in reading” (Psychonomic Bulletin & Review)。
   • Sun & Wang 2026a/b/c — 视觉注意力、语音时长、脑电图方面的伴随工作。
   • Frank & Willems 2017 “Word predictability and semantic similarity show distinct patterns of brain activity” — 语义相似性与可预测性之间的关键先验区分。
   • Russo et al. 2020 “Semantics-weighted lexical surprisal modeling of naturalistic fMRI” — 已将语义信息整合到 fMRI 建模的惊讶值中。
   • Shain et al. 2020 “fMRI reveals language-specific predictive coding” — 惊讶值的 fMRI 证据。
   • Henderson et al. 2016 — 眼动追踪 fMRI 中的句法惊讶值。
   • 2026 EACL short paper “Surprisal from Larger Transformer-based Language Models Predicts fMRI Data More Poorly” — 惊讶值在 fMRI 中的混合证据。

现在我将撰写最终评论。

Paper Review: Contextual Semantic Relevance Tracks fMRI BOLD Responses During Naturalistic Speech Comprehension

论文类型: 分析型

这是一篇分析型论文，提出”semantic relevance”作为一个上下文语义拟合的可计算指标，并在两个公开 fMRI 数据集上验证它是否比 surprisal 更好地预测 BOLD 响应。核心贡献不是新方法或新数据，而是一个经验发现：语义相关性在 BOLD 中比 surprisal 更稳健。

公理审查结果

公理一：对象公理

• 判定: ⚠️
• 依据: 论文研究的对象（自然语言理解中的上下文语义拟合 vs 局部概率预测，及其在 fMRI BOLD 中的可检测性）是真实存在的科学问题。surprisal 与 BOLD 关系证据混合，这是文献中公认的事实（Shain et al. 2020; Willems et al. 2016; Henderson et al. 2016）。但”semantic relevance”这一核心概念的定义存在任意性：它被操作化为目标词嵌入与前三词嵌入的加权余弦相似度 + 前三词之间的两两余弦相似度。窗口大小 m=3、α_max=0.9、β=0.2 均为未经验证的固定值，作者承认”alternative weighting functions and window sizes would be useful targets for future confirmatory analyses”。概念本身（”incoming word relates to recent semantic context”）是模糊的，操作化定义只是众多可能实现之一。此外，论文声称 semantic relevance 不是 prediction 的替代品而是互补的，但这一区分在 Frank & Willems 2017 中已经用”semantic similarity vs predictability”研究过，对象的新颖性部分被前人工作覆盖。
• Wiki 证据: OMC wiki 无记录。paper-wiki 无记录。free-search 找到 Frank & Willems 2017（论文引用但未充分对比差异）和 Russo et al. 2020（已将语义信息整合到 surprisal-fMRI 建模中）。

公理二：识别公理

• 判定: ⚠️

• 依据: 论文有控制变量（log frequency, word length, duration, subject random effects），并隔离了 semantic relevance 与 surprisal 的方差（两者弱相关：Alice r=-0.18, Moth r=-0.01）。这是合理的。但存在以下问题：(1) 缺少关键 nuisance 变量——作者自己承认”acoustic envelope, speech rate, phonological complexity, word position in sentence, and semantic diversity were not included”。在自然语音 fMRI 中，声学包络是 BOLD 的强驱动因素，不加控制可能导致 semantic relevance 吸收声学相关方差。(2) 保守的 surrogate 检验未能拒绝 time-structure null——作者坦承”conservative familywise max-

  t

  surrogate tests did not reject the temporal-structure null”。这意味着最强劲的 ROI 效果并不比保留时间结构的伪预测器更强，严重削弱了”语义特异性”的因果识别。(3) Moth 的 4-12s HRF-weighted directional contrast 是在观察 Alice 结果后选择的，作者承认这是”Alice-informed exploratory analysis”，不是独立确认。

• Wiki 证据: OMC wiki 无记录。free-search 确认 surrogate/permutation 检验在 fMRI 时间序列分析中是标准要求。

公理三：独立性公理

• 判定: ⚠️
• 依据: 数据来自公开数据集（Alice: Bhattasali et al. 2020; Moth: LeBel et al. 2023），不依赖作者自有数据。semantic relevance 指标用 Model2vec 静态嵌入计算，surprisal 用 GPT-2 计算——两个指标来自不同模型，不存在评测-训练闭环。但存在以下问题：(1) Moth 的分析窗口（4-12s）和分析方向（negative）是在 Alice 结果指导下选择的，这不是独立的 replication，作者诚实承认了这一点。(2) GAMM 在 transformed BOLD 上运行，deviance explained 在 Alice 中高达 0.999，作者承认这”may inflate nominal smooth-term significance”——这构成评测指标与数据预处理之间的部分循环。(3) split-half 分析在 Moth 内部进行，但用的是同一个 Alice-informed 窗口，不是真正的独立验证。
• Wiki 证据: OMC wiki 无记录。论文自身承认 Moth 分析不是”fully independent confirmatory replication”。

公理四：压缩公理

• 判定: ⚠️
• 依据: semantic relevance 公式（Eq. 2）是一个加权和：target-context 余弦相似度 × 距离权重 + context-context 余弦相似度 × β。这在数学上等价于一个局部嵌入空间的加权相似度聚合，没有新的计算机制。与 Frank & Willems 2017 的”semantic similarity”指标、Sun et al. 2023 的”interpretable semantic similarity”指标在结构上高度相似——都是嵌入余弦相似度的变体。论文的核心压缩价值在于”发现”semantic relevance 比 surprisal 更适合 BOLD 的时间尺度——但这一解释（BOLD 是低通信号，surprisal 是快速信号）是文献中已有的常识性论证（Boynton et al. 1996; Logothetis 2003; Hasson et al. 2008），论文只是用新数据再次确认。命名上”semantic relevance”相比前人的”semantic similarity”有命名膨胀嫌疑。
• Wiki 证据: OMC wiki 无记录。free-search 找到 Sun et al. 2023 “An interpretable measure of semantic similarity for predicting eye movements in reading”（Psychonomic Bulletin & Review）和 Sun & Liu 2024 “Attention-aware semantic relevance predicting Chinese sentence reading”——同一作者已在多篇论文中使用本质相同的指标，本文是将其迁移到 fMRI。

公理五：效用公理

• 判定: ⚠️
• 依据: 绝对效果：Moth GAMM deviance explained = 0.0028 (R²=0.0023)，这是极小的效应量，虽然在自然 fMRI 中不算异常，但论文据此声称 semantic relevance 是”promising BOLD-sensitive metric”偏乐观。Alice GAMM deviance explained = 0.999 但作者承认这不可信（transformed BOLD 问题）。关键问题在于：Moth 的核心结果（30/30 ROI 在 HRF-weighted 4-12s directional test 中显著）使用的是 Alice-informed 窗口和方向——如果用无先验的 grouped FIR test，”ordinary grouped FIR tests were less sensitive to semantic relevance”（作者原文），即不预先指定窗口就检测不到。surprisal 在所有分析中都不显著，但作者也承认这不意味着 surprisal 无效，而是 BOLD 的时间分辨率问题。论文的 baseline 覆盖是充分的（surprisal、frequency、word length、duration），但缺少与 Frank & Willems 2017 的 semantic similarity 指标的直接对比——论文没有验证它的”semantic relevance”比简单语义相似度更好。surrogate 分析未能拒绝 time-structure null 是严重的效用限制。
• Wiki 证据: OMC wiki 无记录。free-search 找到 2026 EACL short paper “Surprisal from Larger Transformer-based Language Models Predicts fMRI Data More Poorly”——这提供了 surprisal-fMRI 关系混合的外部证据，与论文结论一致。

公理六：新颖性公理

• 判定: ⚠️
• 依据: 核心指标”semantic relevance”是 Kun Sun 在多篇先前论文中已提出的同一指标：Sun et al. 2023（眼动）、Sun & Liu 2024（中文阅读）、Sun & Wang 2026a（视觉注意）、2026b（语音时长）、2026c（EEG N400/P600）。本文将其应用到 fMRI BOLD——这是跨数据模态的迁移，不是新指标发明。跨模态迁移本身有一定价值，因为 fMRI 的时间分辨率特性与 EEG/眼动不同，需要新的分析框架（FIR/deconvolution）。但”semantic similarity 比 surprisal 更好地预测 BOLD”这一发现本身部分被 Frank & Willems 2017 预期（他们已经显示 predictability 和 semantic similarity 有不同的大脑活动模式）和 Russo et al. 2020 预期（已将语义信息整合到 surprisal-fMRI 建模中并改善拟合）。论文没有与这些最接近的先前工作做直接定量对比。没有 ablation 证明 context-context 项（β=0.2 项）的必要性。
• Wiki 证据: OMC wiki 无记录。free-search 确认同一作者先前工作存在（arXiv 2403.18542, 2607.04107），以及 Frank & Willems 2017 和 Russo et al. 2020 作为最接近的先前工作。

公理七：可复现公理

• 判定: ⚠️
• 依据: 数据公开（Alice、Moth 均为公开数据集）。嵌入模型（Model2vec）和语言模型（GPT-2, GPT-Neo）公开可用。分析框架（GAMM, FIR/deconvolution）是标准方法。但：”Analysis scripts, intermediate result tables, and generated figures are currently stored in the local project directory. The public repository is available at: .”——仓库链接为空（URL 省略）。截至论文发布时，代码未公开。此外，semantic relevance 的超参数（m=3, α_max=0.9, β=0.2）是固定值但未提供选择依据的代码或敏感性分析。Moth 的 4-12s 窗口选择依赖 Alice 结果，复现者需要知道 Alice 的完整分析才能复现 Moth 的核心分析。
• Wiki 证据: OMC wiki 无记录。论文明确标注仓库链接为空。

日报摘要

• Strength: 在两个公开 fMRI 数据集（Alice 12 ROI, Moth 30 ROI）上系统比较了 contextual semantic relevance 与 surprisal 对 BOLD 响应的预测能力，发现 semantic relevance 在 FIR/deconvolution 分析中跨所有 ROI 显著（Alice 12/12, Moth 30/30），而 surprisal 在 FDR 校正后无 ROI 显著，且两指标弱相关（r=-0.18/-0.01）。

• Weakness: 核心指标为作者先前多篇论文中已提出的同一指标迁移到 fMRI；Moth 的关键分析窗口（4-12s HRF-weighted directional contrast）为 Alice-informed 选择而非独立验证；保守的 surrogate max-

  t

  检验未能拒绝时间结构 null；缺少声学包络等关键 nuisance 控制；代码仓库链接为空。

总评

• 科学价值: 中 — 提供了 semantic relevance 在 BOLD 中比 surprisal 更稳健的系统性证据，但核心发现被 surrogate null 结果和 Alice-informed 分析窗口削弱。
• 方法价值: 中 — FIR/deconvolution + GAMM 互补分析框架是合理的，但 Moth 的 HRF-weighted directional contrast 设计引入了选择偏差。
• 社区价值: 中 — 为自然语言 fMRI 研究提供了一个可计算指标，但该指标已在作者先前工作中多次使用，且代码未公开限制了社区采纳。

打分

加权总分: 4.95/10（加权分之和 46.5 / 权重之和 9.5） 最终建议: Weak Reject