HOW IT WORKS
技术原理
先在大规模异构神经信号上学习可迁移表征，再用少量标注适配具体任务。关键不是把 Transformer 做大，而是处理通道布局、采样率和个体差异。
MODEL · TECHNOLOGY 18
神经基础模型
从单任务小模型转向跨数据集、跨被试、跨通道配置的预训练表征。
成熟度：快速发展离散神经 tokenizer掩码建模与对比学习跨设备空间编码严格的冻结编码器评估
WHERE IT HELPS
适用场景
- 跨被试 EEG 解码初始化
- 低标注临床任务
- 多中心数据联合建模
BOTTLENECKS
关键瓶颈
- 数据许可与任务分布碎片化
- 通道空间编码不统一
- 预训练收益容易被更强优化策略混淆
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