从置信度到解释：评估 EEG 基础模型在分布偏移下的可靠性

基于摘要分析。本研究关注 EEG 基础模型在分布偏移下能否可靠识别自身的错误预测，而不只是保持下游预测性能。作者以 LaBraM 和 CBraMod 的五分类睡眠分期为研究对象，比较四类错误预测信号，揭示预测能力迁移与可靠性信号迁移需要分别验证。 评估以 Sleep-EDF Expanded 为源域，在 ISRUC-Sleep-II、ISRUC-Sleep-III 和 UCDDB 上开展零样本外部评估。四类信号分别为校准置信度、时间一致性、表征熟悉度和解释漂移。错误检测器在源域验证数据上训练，随后保持不变，在留出的源域测试集及外部队列上评估；这一设置直接检验源域学习到的错误识别规则能否迁移，而非在目标队列重新拟合。 作者报告，置信度对错误检测构成较强基线：在源域测试集上，LaBraM 和 CBraMod 的错误检测 AUROC 分别为 0.7411 和 0.7551，并在外部队列中仍具有信息价值。这些数值衡量错误检测能力，不是睡眠分期 Accuracy。作者报告，加入时间一致性后，两模型在源域的 AUROC 分别增加 0.0296 和 0.0299，且增益具有统计显著性，但该优势在任何外部队列上均未达到显著。表征熟悉度在分布偏移下表现不一致：在若干 ISRUC 队列评估中出现显著负贡献，而对 UCDDB 上的 CBraMod 出现显著正贡献。事后解释漂移未在上述较简单信号之外提供有统计支持的改进。 核心启示是：错误预测信号本身也依赖数据分布，源域中有效的辅助指标在外部队列上可能失去增益，甚至改变贡献方向；这不等于基础模型的睡眠分期性能必然失效。摘要未给出外部队列的具体预测成绩、信号计算方式、置信度校准方法、错误检测器结构、被试划分及统计检验细节，实验协议、消融及统计信息尚未验证。复现时应重点核对上述细节，并分别报告分期性能与错误检测 AUROC，避免把两类迁移能力混为一谈。