研究受控评估五个 EEG 基础模型：随机初始化常追平预训练
原文标题：Controlled Evaluation of EEG Foundation Models: Random Initialisation, Band-Power and Validation-Selected Probes
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文在统一协议下评估五个公开 EEG 基础模型与一个自研 JEPA 风格模型，加入未训练编码器、频谱特征与验证集选层三项对照。结果显示随机初始化在睡眠与情绪任务上追平或超过半数模型的预训练效果，且无模型能胜过五频段对数功率基线。
- 问题
- EEG 基础模型的下游收益缺乏未训练编码器、频谱基线等对照验证。
- 方法
- 统一协议评估五个公开 EEG 基础模型与自研 JEPA 模型，加入三项对照与多种子。
- 结果
- 随机初始化在睡眠与情绪任务上追平或超过半数模型；无模型胜过五频段对数功率基线。
- 影响
- EEG 基础模型的预训练收益被高估，落地前应先用简单频谱基线做对照。
深读 · 结论先行AI 生成展开看要点与影响 ↓
统一协议评估五个EEG基础模型：随机初始化在睡眠与情绪任务上追平或超过半数模型
- •评估五个公开EEG基础模型加一个自研JEPA风格模型，加入未训练编码器、频谱特征、验证集选层三项对照
- •按测试分数选层平均抬高0.034，并在36个格子中9个逆转峰值与输出差距
- •按验证集选层时，随机初始化在睡眠和情绪任务上追平或超过半数模型的预训练效果
- •无模型在情绪或运动想象任务上胜过五频段对数功率基线
- •全量微调后30对中仅5对增益超过两倍种子波动，一处-0.290 AUROC的损失在匹配学习率下仍存在
为什么重要：对EEG基础模型的预训练收益提出直接质疑，做脑电下游任务的团队应把随机初始化和频谱基线列为必做对照。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。