跳到正文
只看数据与复现#提供代码链接
10月5日周一
  1. arXiv · 多模态与生成机制77

    MMPostTrainBench：多模态后训练自主研究基准评估

    基于摘要分析。本文研究 LLM agents 能否通过迭代实验与反馈持续改善多模态模型，提出 MMPostTrainBench 基准，并针对能力退化与候选选择问题提出 MMResearch 框架。贡献侧重于评估自主研究过程，而非仅比较最终模型的目标任务表现。 MMPostTrainBench 包含八项任务，覆盖图像、音频、视频、联合音视频理解及图像驱动的软件修复。agents 从共同基础模型出发，在固定预算内利用开发阶段反馈开展研究，提交模型后接受独立评估。评估同时考察目标与非目标任务表现、迭代改善、模型选择和研究诚信；具体任务数据、预算单位、数据划分及诚信判定规则尚未验证。 作者报告，在上述八项任务的评估中，52.1% 的“模型—任务”均值低于基础模型，提交模型还出现非目标任务能力退化。作者报告，模型表现未随研究迭代稳定改善，最终提交模型相较于已评估的最佳候选最多落后 5.38 个百分点；摘要未说明该差距对应的具体任务和指标。作者将多模态自主研究的额外困难归结为感知、跨模态对齐及时间定位中的错误。 MMResearch 将基于媒体的证据连接到研究假设与干预，通过层级记忆跨轮次保留发现，并利用开发阶段评估保留候选模型。作者报告，将其加入现有代码 agent 运行环境后，Claude Opus 4.8 配合 Claude Code 的提交模型 Accuracy 最高提高 7.75 个百分点，GPT-5.6-sol 配合 Codex 最高提高 2.33 个百分点。具体任务、对照配置、重复实验、消融及统计信息尚未验证，不能将这些最高增益视为跨任务平均收益。 平台推测（待验证）：其过程评估与候选保留机制可能用于 EEG 自动化建模研究，但多模态任务上的收益不等于 EEG/BCI 收益；相关 EEG 工作尚未检索确认。迁移时需另行核对被试隔离、开发反馈使用范围和低信噪比下候选选择的稳定性。

    阅读价值：该基准将多模态自主研究中的目标任务收益、非目标能力退化与候选模型选择分开评估，值得核对其预算控制和独立评估协议，但摘要不足以确认其对 EEG/BCI 的适用性。

10月3日周六
  1. arXiv · 泛化与分布偏移77

    ML-OPF-Bench：面向最优潮流的机器学习基准评估

    基于摘要分析。ML-OPF-Bench 针对最优潮流（Optimal Power Flow，OPF）研究中测试案例、实现与评价指标不一致的问题，为 AC-OPF 和 DC-OPF 提供统一机器学习评估流程。其贡献是同时考察系统规模、分布偏移及资源预算，并用多目标框架评估速度、预测精度与运行可行性之间的权衡。 评估机制：基准在一致流程下比较代表性 ML 算法，并通过压力测试考察不同工况和资源条件。摘要提及数据规模与计算规模分析，以及强制满足目标约束的后处理，但未给出算法清单、约束处理方式、具体数据构造、划分或多目标排序规则，相关实现尚未验证。 作者报告：在该基准的评估条件下，预测精度不能可靠反映运行可行性；在高负载、拥塞工况中，即使分布内表现较强的方法也会失去优势，可行性主要由约束后处理维持，而非纯 ML 预测器本身。作者还报告，随数据规模变化，预测精度与约束违反呈现不同轨迹；增加计算投入的收益递减，更大模型并不稳定地表现更好。摘要未提供具体数值，实验协议、消融及统计信息尚未验证。 复现条件：作者称已将基准开源为可扩展 Python 包，支持接入新的学习式 OPF 算法并按统一标准评估；当前材料未提供代码地址、依赖、数据获取方式或运行预算，尚不能据此确认复现成本。 平台推测（待验证）：可迁移的主要是评估设计，而非电网约束本身。其原问题依赖电力系统工况与明确的运行约束；对应 EEG/BCI 的假设是，分类指标改善未必代表跨被试或跨会话条件下满足预先定义的使用要求。可复用统一流程、分布偏移压力测试和资源预算控制，需重新定义 EEG 任务指标及使用要求；低信噪比、通道差异和小样本可能使多目标比较不稳定。一个小规模可证伪实验是固定模型与划分，比较分布内和跨会话表现，检验 Accuracy 排序是否与预定义的错误率及延迟要求一致；该假设不能视为已证实的 BCI 结论，已有 EEG 相关工作尚未检索确认。

    阅读价值：该基准值得阅读的具体原因是将预测精度与约束可行性分开评估，并在分布偏移和资源预算下检验二者的关系；其对 EEG/BCI 评估的借鉴价值尚未验证。

9月15日周二
  1. OpenReview · EEG70

    EEG-EyeTrack：面向时间序列与功能数据分析的基准、开放挑战及基线

    基于摘要分析。该研究针对从 EEG 重建眼动的回归问题，提出 EEG-EyeTrack 基准数据集，并提供面向功能数据分析（functional data analysis，FDA）的开放挑战、评估指标和 functional neural networks 基线。 数据与任务：作者介绍，新数据集使用消费级硬件在现实条件下采集，主要任务是由 EEG 信号重建眼动。其贡献不仅是提供数据，还包括设计面向 FDA 应用的挑战与评价体系。摘要未说明眼动预测目标的具体表示、同步采集方式、预处理流程或指标定义，这些内容尚未验证。 方法与结果：作者报告，使用 functional neural networks 在新数据集及既有 EEGEyeNet 数据集上建立了基线结果；EEGEyeNet 使用研究级硬件采集。摘要未给出具体性能数值，因此不能判断方法的重建精度，也不能据此认定消费级与研究级硬件之间存在何种性能差距。网络结构、训练目标、对照方法，以及被试内、跨被试、跨会话或跨数据集的划分协议均尚未验证；在两套数据上报告结果不等同于进行了跨数据集泛化评估。 阅读与复现重点：应核对数据的被试规模、EEG 通道配置、眼动参考信号质量、数据划分及评价指标，确认不同数据集上的任务与协议是否可比。对 BCI/EEG 研究而言，该基准可作为 EEG 眼动回归的评估材料，但摘要不足以判断模型利用了哪些信号成分、在真实应用中能否稳定泛化。数据与实现的获取条件、实验协议、消融及统计信息尚未验证。

    阅读价值：该基准将消费级硬件采集的 EEG 眼动重建数据、功能数据分析评估任务与 functional neural networks 基线结合，值得核对其评估协议及与研究级硬件数据 EEGEyeNet 的差异。

5月23日周六
  1. OpenReview · EEG75

    EEG 基础模型的测试时自适应：真实世界分布偏移下的系统研究

    该研究针对 EEG 基础模型在临床环境、设备及人群变化下的分布偏移问题，提出 NeuroAdapt-Bench，用于系统评估测试时自适应（Test-Time Adaptation，TTA）方法的有效性与稳定性。基于摘要分析，研究主要贡献是评估基准与跨方法比较，而非提出一种新的 EEG 自适应算法。 TTA 的基本设定是在推理阶段利用无标签目标数据适应模型，且无需访问源数据，这与医疗场景中的隐私约束及标注稀缺问题相契合。作者将其他领域的代表性 TTA 方法应用于多个预训练 EEG 基础模型、不同下游任务和异构数据集，评估范围覆盖分布内、分布外及极端模态偏移，例如 Ear-EEG。摘要未列出具体模型、方法、任务和数据集名称，也未说明目标数据的组织方式、参数更新范围或适应状态的重置规则。 作者报告，在上述评估范围内，标准 TTA 方法的收益不一致，且经常导致性能下降，其中基于梯度的方法尤其容易出现较严重退化；相比之下，无需优化的方法表现出更高稳定性和更可靠的改善。摘要未提供指标、数值及逐任务结果，因此不能据此判定某类方法在所有 EEG 场景中更优，也不能直接推导特定 BCI 任务的效果。 复现与解读时，应核对不同基础模型的预训练与下游适配设定、目标域划分、无自适应对照、可用目标样本量及计算预算，并确认评估属于被试内、跨被试、跨会话还是跨数据集协议。作者提供了代码链接，但代码完整性、运行条件、实验协议、消融及统计信息尚未验证。当前材料支持将其作为 EEG 测试时自适应的系统评估参考，不足以确认临床部署有效性。

    阅读价值：值得阅读的具体价值在于系统检验通用测试时自适应方法在 EEG 基础模型及不同分布偏移下的稳定性；作者报告的性能退化现象可为方法选择提供警示，但具体适用边界仍需核对完整实验协议。

5月1日周五
  1. OpenReview · EEG77

    EEG-FM-Bench：用于 EEG 基础模型系统评估与诊断分析的综合基准

    基于摘要分析。研究针对 EEG 基础模型评估协议不一致、迁移效率与规模效应缺乏诊断的问题，提出 EEG-FM-Bench，将标准化下游评估与梯度、表征分析整合为统一基准，以支持模型比较和可复现分析。 基准覆盖 14 个数据集、10 种范式，包含多种微调策略、任务组织方式和分类器配置。摘要未列出具体数据集、模型清单、被试数量，以及被试内、跨被试或跨会话划分，因此这些覆盖数量不能直接说明其对不同泛化场景的代表性。 作者报告，多任务学习在数据稀缺的 EEG 场景中常可作为正则化手段缓解过拟合，但特定任务范式下可能出现负迁移；重建目标与下游任务之间的梯度冲突限制了当前预训练效率。作者还报告，在已发布检查点和匹配的下游协议下，模型规模或数据规模本身不足以完全解释迁移表现，目标对齐、适配兼容性及 EEG 特定设计似乎也是重要因素。这些结论应限定于所评估的检查点与协议，不能据此推断扩大规模普遍无效；摘要未提供具体性能指标或效应量。 复现时值得核对各模型输入与通道处理、微调预算、分类器配置及数据划分如何匹配，并检查梯度冲突的测量方法、表征诊断与迁移结果之间的证据关系。作者提供了代码地址，但代码可运行性、实验协议、消融及统计信息尚未验证。

    阅读价值：值得阅读和复现的是其统一下游评估与梯度、表征诊断框架，可用于核对 EEG 基础模型的迁移差异是否与目标对齐和适配方式有关，但具体协议及诊断证据尚未验证。

12月31日周三
  1. OpenReview · EEG78

    EEG-FM-Bench：用于系统评估 EEG 基础模型的综合基准

    EEG-FM-Bench 针对 EEG 基础模型评估协议不一致、迁移效率与规模效应缺少诊断分析的问题，提出统一评估体系，将下游性能比较与梯度、表征分析结合。基于摘要分析，未取得论文全文。 基准覆盖 14 个数据集、10 种范式，纳入多种微调策略、任务组织方式和分类器配置，并提供梯度与表征分析工具。其主要贡献是评估协议与诊断框架，而非发布新的预训练模型；摘要未列出具体数据集、模型清单、被试数量及数据划分，无法判断各项比较属于被试内、跨被试、跨会话还是跨数据集协议。 作者报告，多任务学习在数据稀缺的 EEG 场景中通常可发挥正则化作用、缓解过拟合，但某些任务范式下会出现负迁移。作者还报告，重建目标与下游任务之间的梯度冲突限制了当前预训练效率。在使用已发布检查点、匹配下游评估协议的条件下，作者报告，模型规模或数据规模本身不足以充分解释迁移表现，目标对齐、适配兼容性与 EEG 专用设计似乎也是重要因素。摘要未提供具体性能指标、效应量或统计不确定性，因此这些结论不能扩展为所有 EEG 基础模型的普遍规律。 复现时需核对各模型检查点及其预训练数据覆盖、下游划分与微调预算、分类器配置，以及梯度冲突和表征分析的定义。材料提供了代码地址，但代码内容、实验协议、消融及统计信息尚未验证。该基准可作为比较 EEG 基础模型迁移表现的评估起点，其对具体 BCI 任务的适用范围仍需结合所覆盖范式与协议判断。

    阅读价值：值得阅读的具体价值在于统一 EEG 基础模型的下游评估配置，并结合梯度与表征分析检验迁移差异，而非仅按模型或预训练数据规模比较性能；协议细节与结论稳健性尚待全文核对。

1月1日周一
  1. OpenReview · EEG79

    EEG-to-Text 模型真的有效吗？

    基于摘要分析。本文研究开放词汇 EEG-to-Text 翻译模型是否真正利用 EEG 信号，核心贡献是审视既有评估中的隐式 teacher-forcing，并引入纯噪声输入对照，以区分信号驱动的解码能力与训练数据记忆带来的表现。 评估机制：作者指出，既有研究在评估时经常使用隐式 teacher-forcing，可能使指标虚高。Teacher-forcing 通常指生成过程中提供真实目标文本的历史信息，而非完全依赖模型自身已生成的内容；但本文涉及的具体实现、受影响模型及评估流程，仍需全文核对。作者同时指出，既有评估缺少纯噪声输入这一关键对照，并提出用于判断模型是否真正从 EEG 中学习的方法。 主要发现：作者报告，在其分析条件下，模型使用噪声输入时的表现可与使用 EEG 输入时相当。摘要未提供数据集、被试数、被试内或跨被试划分、噪声构造方式、具体指标及数值，因此不能量化两者差距，也不能把该发现推广到所有 EEG-to-Text 模型。噪声与 EEG 表现相近提示需要核验模型对信号的依赖，但仅凭摘要不能确定其原因就是训练数据记忆。 阅读与复现重点：应核对推理时可获得的目标文本信息、数据划分、EEG 与噪声对照是否采用一致评估条件，以及结论在不同模型和指标下是否稳定。摘要提供了代码仓库，但代码完整性、运行环境、实验协议、消融及统计信息尚未验证。本文直接讨论 EEG-to-Text 的评估可靠性，不应将其解读为已经实现更有效的 EEG 通信系统。

    阅读价值：值得阅读的具体原因是其以评估阶段的隐式 teacher-forcing 和纯噪声输入对照，检验 EEG-to-Text 模型的生成表现是否真正依赖 EEG 信号，但具体实验协议与结论适用范围尚未验证。

  2. OpenReview · Representation learning69

    扩散模型与表征学习：综述

    基于摘要分析。本文主要研究视觉领域中扩散模型与表征学习的相互关系，贡献是梳理两者的基础、方法分类及待探索问题，而非提出新的 EEG/BCI 算法。 综述覆盖扩散模型的数学基础、常用去噪网络架构和引导方法，并组织了两类研究路径：一类提取预训练扩散模型学到的表征，用于后续识别任务；另一类借助表征学习和自监督学习的进展改进扩散模型。作者将不依赖标签标注的扩散建模视为自监督学习的一种形式；这一定位不意味着所有引导方式或下游识别任务均不需要标签。 摘要未提供具体方法清单、特征提取位置、损失形式、训练规模或识别评估结果，因此无法判断不同扩散表征相对于其他自监督表征的优势。实验协议、消融及统计信息尚未验证。材料提供了综述分类的 GitHub 链接，但仓库内容及其是否包含可运行实现尚未验证。 平台推测（待验证）：可迁移的机制假设是，去噪训练中学习到的表征可能为低标签 EEG 识别提供初始化，而非将视觉生成效果直接视为 BCI 有效性证据。迁移依赖未标注 EEG 数据及与其时序、通道结构相匹配的训练表示；可借鉴去噪预训练与下游表征评估流程，但需改造输入编码、噪声设置及特征汇聚方式。低信噪比可能使模型更多学习伪迹，被试差异、通道不一致和小数据规模也可能削弱迁移收益。一个可检验的小实验是：在固定 Cross-subject 划分下，仅用训练被试数据进行去噪预训练，以相同下游分类器和标注预算对比随机初始化及一种自监督基线，核对识别收益是否稳定。已有 EEG 相关工作尚未检索确认。

9月26日周二
  1. OpenReview · Representation learning78

    URL：面向可迁移不确定性估计的表征学习基准

    基于摘要分析。研究关注预训练模型迁移到新数据集时，不确定性估计能否与表征一起可靠迁移，提出 Uncertainty-aware Representation Learning（URL）基准。该基准同时评估表征的迁移能力，并使用一项新指标衡量不确定性估计的零样本迁移能力；指标定义与具体计算方式尚未验证。 作者报告，在 ImageNet 上预训练、迁移至八个下游数据集的评估中，比较了十种不确定性估计方法：关注表征本身不确定性或直接估计预测风险的方法，优于基于上游类别概率的方法。摘要未提供下游数据集名称、具体方法清单、分数及数据划分，因此不能据此比较不同协议下的效果。作者认为，可迁移的不确定性量化仍是开放挑战，但不一定与传统表征学习目标冲突；这一判断的适用范围及统计支持需核对全文。 其评估思路区分了“表征能否支持下游任务”与“不确定性是否仍能反映下游风险”，有助于避免将上游类别置信度直接视为跨任务可靠性。来源提供了代码链接，但实现细节、运行条件、实验协议、消融及统计信息尚未验证。 平台推测（待验证）：假设 EEG 预训练表征在跨被试或跨数据集迁移时仍包含可识别的风险信息，URL 的双重评估思路可能用于检验表征质量与不确定性质量是否同步变化。可复用的是评估框架；需改造的是 EEG 编码器、下游任务接口及与任务风险对应的评价实现。低信噪比、通道差异和小样本可能使不确定性主要反映采集条件，而非预测错误。一个可检验的小实验是在固定的 Cross-subject 划分下，比较表征不确定性与上游类别概率对下游错误的识别能力，并同时报告任务性能。此处为迁移假设，已有 EEG 相关工作尚未检索确认。

    阅读价值：URL 将表征迁移能力与不确定性估计的零样本迁移能力分开评估，值得用于核对预训练模型的不确定性是否能随表征一起迁移，但其对 EEG 的适用性尚未验证。

1月1日周六
  1. OpenReview · EEG69

    DRT：面向大规模 EEG 应用中 Standard EEG Data Structure 的新工具箱

    基于摘要分析。该工作针对大量 EEG 数据在实验室内及跨实验室批量共享、处理时缺乏统一文件组织结构的问题，提出 Standard EEG Data Structure（SEDS），并开发 EEG Datafile Restructuring Toolbox（DRT），用于按 SEDS 重构 EEG 数据文件。主要贡献是数据组织规范及配套工具，而非 EEG 解码算法或模型性能改进。 SEDS 面向单中心小规模 EEG 批处理，以及单中心、多中心的大规模数据共享与分析，尤其考虑云平台应用。DRT 提供 MATLAB 和 Docker 两种版本：MATLAB 版本配有 GUI；作者报告其可显著减少新手研究者所需时间，并称 Docker 版本对有经验的研究者更高效。摘要未给出计时任务、数据规模、对照工具或效率指标，因此这些效率结论的评估前提尚未验证。 作者说明，SEDS 文档、工具及示例数据集可通过 WeBrain 网站和 Wiki 获取，为检查文件组织规则与实际重构流程提供了资源入口；当前材料未展示规范细节，也未验证资源的可访问性、版本及运行依赖。使用前需要核对支持的输入格式、元数据与事件标记保留方式，以及重构前后数据一致性。 该工具与 EEG 研究的直接关系在于数据管理和共享基础设施。摘要不足以确认其与其他数据规范或分析工具的互操作性，也不能据此推断它能改善跨被试、跨会话或跨数据集解码效果。完整实验协议、兼容性测试及统计信息尚未验证。

  2. OpenReview · EEG57

    EEG4Students：EEG 数据采集与机器学习分析的实验设计

    基于摘要分析。该研究面向疫情期间远程 EEG 实验的数据采集与分析困难，探索使用低成本消费级设备开展 BCI 数据采集，并提出面向非专家的 EEG4Students 采集协议；同时考察可在个人计算机上高效运行的机器学习分类算法。 研究的贡献主要在于实验组织与分析流程：作者讨论远程实验的挑战及可能解决方案，尝试降低 EEG 数据采集的设备与操作门槛，并将采集协议与认知任务分类分析结合。摘要未提供具体认知任务、设备型号、通道配置、采样参数、预处理流程或特征构建方式，这些实现条件尚未验证。 作者报告 Random Forest 和 RBF SVM 在所研究的 EEG 分类任务中表现良好，但摘要未提供指标数值、对照基线、被试数量及数据划分，也未说明采用被试内、跨被试或跨会话评估，因此尚不能判断其泛化能力或与其他方法的性能差异。实验协议、消融及统计信息尚未验证。 作者提供了代码与数据仓库，可作为核对采集流程和分析实现的入口。复现时需确认远程采集的操作一致性、消费级设备的信号质量控制、任务标签生成方式，以及训练与测试划分的单位；这些属于待核对事项，并非已确认的问题。该研究涉及 EEG 认知任务分类，不应据摘要进一步推断其支持在线 BCI 控制或临床应用。