fMRI 基础模型扩展规律实证研究
原文标题：A Scaling Study for fMRI Foundation Models
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。
论文针对功能磁共振成像基础模型，用 200 多个源数据集与超 1 万 GPU 小时做受控扩展实验，考察预训练数据量、模型规模与训练时长三者的关系。结果显示算力相近的模型性能差异显著，数据与模型规模应协同扩展，同等算力下增加数据比增大模型对更多任务有利。据此选出的模型在分布外任务上取得最高平均性能且预训练算力更少。
- 问题
- fMRI 基础模型中数据、模型规模与算力的扩展关系不明。
- 方法
- 固定预训练框架与下游协议，用 200 多个源数据集、超 1 万 GPU 小时做受控扩展实验。
- 结果
- 同等算力下增加数据比增大模型对更多任务有利；所选模型在分布外任务上平均性能最高且预训练算力更少。
- 影响
- 训练 fMRI 基础模型应数据与模型协同扩展，而非只堆参数或算力。
深读 · 结论先行AI 生成展开看要点与影响 ↓
fMRI 基础模型扩展实验：同等算力下加数据比加模型对更多任务有利。
- •用 200 多个源数据集、超 1 万 GPU 小时做受控扩展实验
- •固定预训练框架与下游协议，变化数据量、模型规模与训练时长
- •算力相近的模型下游性能可差异显著，说明算力本身不足以刻画扩展
- •数据与模型规模应协同扩展：更大模型下增加数据收益更大
- •同等算力下增加数据比增大模型对更多任务有利，据此选出的模型在 OOD 任务上平均性能最高且预训练算力更少
为什么重要：为 fMRI 基础模型提供了类似 CV/NLP 的扩展规律经验证据，提示该领域不能照搬「堆参数」路线，对神经影像 AI 研究者有直接指导意义。
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。