HOW IT WORKS
技术原理
DEFT（2026-10-10 arXiv 版本）把预训练 EEG token 分为任务内容和被试风格，只用内容预测。分支通过时间方差、被试对比和重建等约束组织；作者备注会议接收状态，本站未独立核验会议记录。
ADAPT · TECHNOLOGY 02
任务内容与个体风格解耦
将 EEG 基础模型的表示拆为任务内容与个体风格，减轻跨被试微调的身份混杂。
成熟度：研究验证DEFT四个基础模型骨干内容分支预测同预算微调对照
WHERE IT HELPS
适用场景
- EEG 基础模型的跨被试微调
- 个体差异较大的多中心记录
- 身份与任务混杂的表示诊断
BOTTLENECKS
关键瓶颈
- 身份相关变化也可能包含有效任务信息
- 损失权重和额外参数增加选择成本
- 分支结构本身不能证明独立因素被识别
READ WITH QUESTIONS
检索和阅读时先问这三个问题
阅读问题完成度0 / 3