Brant-X：统一生理信号对齐框架

基于摘要分析。Brant-X 研究如何利用 EEG 与其他生理信号之间的关联，将 EEG 中的知识迁移到其他信号及下游任务。其核心贡献是结合 EEG 基础模型与两级语义对齐，在同步采集的生理数据稀缺、信号间关联不同以及任务间关联不同的条件下，构建统一的生理信号对齐框架。 机制上，作者提出利用 EEG 基础模型中已有的知识，提高向其他生理信号迁移时的数据效率；同时在不同语义尺度上进行两级对齐。摘要未说明两个层级的具体定义、对齐损失、信号编码方式、基础模型的训练或冻结策略，也未明确训练与推理分别需要哪些信号，因此尚不能判断其配对数据要求及单模态部署条件。 结果方面，作者报告，在睡眠分期、情绪识别、步态冻结检测和眼动交流等下游任务中，Brant-X 相比任务无关与任务专用基线取得最先进表现；作者还通过心律失常检测任务分析及案例可视化，支持其从 EEG 向其他生理信号迁移知识的有效性。摘要未提供具体数据集、被试数、数据划分、指标或数值，不能据此量化收益，也不能将这些任务的结果直接视为通用 BCI 性能提升。 复现时需核对同步数据的构成与规模、各任务的输入模态、被试内或跨被试等评估协议、基础模型与下游数据的关系，以及两级对齐相对于基础模型迁移本身的贡献。摘要提供了项目主页，但代码、权重及运行条件的可用性尚未验证；实验协议、消融及统计信息尚未验证。