arXiv · Human-Computer Interaction· Urban \v{S}irca, Maryam Alimardani, Stefanos Zafeiriou, Konstantinos Barmpas·· 4 hr agoAI score25
超越准确率：EEG 基础模型的鲁棒性、可解释性与表达能力
Beyond Accuracy: Robustness, Interpretability and Expressiveness of EEG Foundation Models
AI brief
一项研究在十个数据集上评估六个 EEG 基础模型与一个监督基线，从鲁棒性、可解释性和表达能力三层检验其表现。研究发现没有单一模型能主导所有失效模式，最抗噪的模型在通道丢弃下反而最脆弱；归因分析显示模型普遍聚焦于与已知神经生理一致的任务相关脑区；此前归因于预训练表示质量差的 head-only 性能问题，主要由池化策略导致，保留 token 级嵌入时模型具备足够表示能力。
Source: arXiv · Human-Computer Interaction · arxiv.org