EEG基础模型鲁棒性、可解释性与表达能力研究
Get the story
2026年10月9日，一项发表于arXiv（Human-Computer Interaction）的研究在十个数据集上评估了六个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个层面检验其表现。研究发现，没有单一模型能在所有失效模式上占优：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。此外，此前被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；在保留token级嵌入时，模型具备足够的表示能力。
Generated from reports · updated 3 hr ago
Timeline
Follow the coverage from different angles.
- arXiv · Human-Computer Interaction超越准确率：EEG 基础模型的鲁棒性、可解释性与表达能力
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。
Heat trend
Current heat 9·Comparable peak 10（Oct 9）·Comparable change over 24 hours –
The trend compares only the same participants observed continuously; its range may be smaller than the current heat count. Move or click on the chart to inspect hourly heat; use the left and right arrow keys to switch.