WHY IT MATTERS
为什么它决定 BCI 能否通用
掩码重建原始波形是方便的默认目标，却可能把容量花在相位、噪声或与任务无关的细节上。预训练应预测下游真正依赖的、可解释的神经物理量；但目标一旦与某任务高度匹配，也可能牺牲其他任务。
CORE INNOVATION · 03
从重建一切到选择正确的预训练目标
基础模型应该重建原始波形，还是预测任务真正依赖的物理量？
在匹配骨干、数据、训练步数和 tokenizer 的条件下对照目标函数，并在低标签、跨任务和严格线性探测中检验；与睡眠频谱一致的目标未必适合运动或认知任务。
TECHNICAL PATHS
可行的技术路线
- 匹配骨干、数据量、训练步数与 tokenizer，只改变预测目标
- 用严格线性探测区分表征质量与下游微调能力
- 在 1% 标签、全量标签和跨任务条件下比较
- 让目标集合覆盖时域、频域、空间与事件结构
THOUGHT EXPERIMENT
用一个问题检验它
如果频带功率目标显著改善睡眠分期，却在运动想象上没有收益，你应该继续寻找一个统一目标，还是为不同生理任务组合多个可解释目标并动态加权？
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
target / tokenizer / low-label / task alignment
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。