WHY IT MATTERS
为什么它决定 BCI 能否通用
EEG 采集昂贵，增加参与者能扩展人群覆盖，增加每人试次则能提高单个分布的估计精度。二者的边际收益会随模型、任务和当前数据规模变化；只说‘更多数据更好’无法指导下一轮招募和采集预算。
CORE INNOVATION · 05
从堆数据到可预测的缩放曲线
下一笔采集预算应该增加受试者，还是增加每个人的试次？
在严格跨被试验证下分别拟合两条学习曲线，报告边际收益、上限和外推误差；缩放参数必须按任务、数据集和模型重新估计。
TECHNICAL PATHS
可行的技术路线
- 在受试者级留出条件下分别扩展人数和试次数
- 对性能—数据量关系拟合幂律或饱和曲线
- 使用小规模点预测更大规模，并报告外推误差
- 把平均性能与最差用户、方差和校准成本共同建模
THOUGHT EXPERIMENT
用一个问题检验它
如果新增十名受试者和给现有每人多采一百次试验的成本相同，你会依据哪条实测学习曲线选择，而不是凭直觉判断哪种数据‘更丰富’？
READING CHECKLIST
读论文或产品材料时，逐项检查
证据检查进度0 / 4
OBSERVATION METRICS
subjects / trials / marginal gain / extrapolation error
不要只寻找一个更高的单项数字；要看这些指标是否在同一受试者、同一任务和同一时间尺度上共同成立。