HOW IT WORKS
技术原理
冻结 EEG 基础编码器和任务头，先把不同结构的源适配器编码到函数受约束的潜空间，再依据目标域无标签记录、模态、受试者与任务条件一次生成新适配器。它省去目标域标签与逐任务优化，但仍使用目标域数据和伴随模态。
ADAPTATION · TECHNOLOGY 03
无目标标签的多模态适配器生成
从目标域无标签记录与配套模态生成适配器权重，冻结基础模型和任务头；所谓零样本是无标签、无优化，不是无目标数据。
成熟度：六留出数据集离线验证函数约束权重潜空间目标数据集完全留出一次生成适配器部署模态可得性审计
WHERE IT HELPS
适用场景
- 新设备或新任务的快速接入
- 标签稀缺的多模态 EEG 解码
- 多个冻结基础模型的即插即用适配
BOTTLENECKS
关键瓶颈
- 部署时必须能获得所需伴随模态
- 无标签目标记录仍有采集成本
- 适配器生成器可能依赖源任务覆盖范围
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