MANAS-2：面向脑电基础模型的约束重建
原文标题：MANAS-2: Constrained Reconstruction for EEG Foundation Models
重要度 2/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
针对低信噪比脑电波形上掩码重建未必产生有用表征的问题，作者提出脑电基础模型MANAS-2，结合原始-频带混合掩码自编码器与物理启发的约束重建正则项ConRec。在七个脑电数据集上，ConRec将六频带功率恢复的R²从0.860提升至0.906，且效果与架构无关。MANAS-2在多数下游知识迁移任务上优于现有脑电基础模型。
- 问题
- 低信噪比脑电波形上做掩码重建，未必学到有用表征。
- 方法
- 原始-频带混合掩码自编码器加物理启发的约束重建正则项 ConRec，只作用于时间解码器输出，约束相邻短窗 RMS 能量差。
- 结果
- 七个脑电数据集上六频带功率恢复 R² 从 0.860 升至 0.906，跨 patch 频带能量动态从 0.283 升至 0.354。
- 影响
- 证明物理约束正则与架构无关，可迁移到其他时序掩码自编码器，脑电下游任务多数优于现有基础模型。
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。