В исследовании представлен BEND-BCI — новый открытый бенчмарк, включающий сравнение 23 методов нейронного декодирования для решения задач моторного, визуального, речевого и пространственного декодирования. Авторы доказывают, что высокая точность на тестовых данных (held-out accuracy) не является единственным критерием эффективности для интерфейсов «мозг-компьютер» (BCI). Методология оценки расширена за счет анализа устойчивости к шумам, вычислительной сложности и консистентности латентных представлений между различными записями. Результаты показали, что простые базовые модели зачастую сопоставимы или даже превосходят сложные глубокие нейронные сети по ряду критических параметров. Исследование подчеркивает важность использования объяснимого машинного обучения (XAI) для диагностики работы декодеров и выявления значимых нейронных признаков. Внедрение BEND-BCI позволяет перейти от простого состязания за точность к осознанному выбору моделей, исходя из ограничений ресурсов, задач и диагностических целей в нейропротезировании.