SCOPE：有限标注下 EEG 基础模型的结构化原型引导适配

基于摘要分析。该研究面向仅有少量标注被试时 EEG 基础模型（EFMs）的适配问题，提出 SCOPE，以结构化监督和原型引导适配协调有限、含噪监督与预训练模型更新，目标是提高适配稳定性并保留预训练表征。 作者将适配困难归因于监督信号与 EFMs 高可塑性参数空间之间的结构性不匹配，并概括为三类失效模式：过度自信导致的校准失准、短暂的优化崩溃，以及不受约束的更新对预训练表征的破坏。这是作者提出的问题解释，其诊断依据尚需全文核对。 机制上，SCOPE 首先构建群体级外部监督以提供持续引导，再生成置信度感知伪标签，选择可靠的未标注样本。在此基础上，轻量原型条件适配器 ProAdapter 对冻结的 EFM 进行调制，旨在减少对预训练表征的扰动。摘要未说明群体级监督的来源、原型构建方式、置信度计算与筛选规则，以及适配器结构和训练损失，这些细节尚未验证。 作者报告，在覆盖 6 个任务、5 个 EFM 主干及 5%–100% 标注被试比例的 60 种适配设置中开展评估；其中，在标注受限设置下，相较完整微调，多分类 Kappa 平均提高 4.6 个点，二分类 PRAUC 平均提高 4.4 个点。这两项结果对应不同任务指标，不能互换或视为 Accuracy 提升；摘要未交代指标尺度、平均方式及具体纳入比较的标注比例。 复现时需核对数据集与被试划分、是否涉及跨被试或跨会话评估、未标注样本在训练与测试中的使用边界，以及完整微调基线的调参条件。群体级监督、伪标签筛选和 ProAdapter 各自的贡献，以及校准与优化稳定性的证据，也需结合消融及统计信息验证。目前不能据摘要确定其在具体 BCI 任务中的适用范围。