一个新的框架通过融合静态词法表示（W2V）与动态上下文化表示（GPT），解决了连续语义重建中的表征不匹配问题。该研究对两种集成方法进行了基准测试：线性简单拼接和非线性多头交叉注意力。
- 该方法使用交互式门控机制来促进语言理解过程中的协同处理。
- 评估揭示了性能层级：Cross-Att > Concat > GPT > W2V。
- 非线性交叉注意力融合方法达到了最先进水平（state-of-the-art）。
作者认为这很重要，因为它表明神经语言解码受益于模拟上下文信息与核心词法属性之间的协作调制，提供了一种可行的非侵入式脑到文本解码方法。