剖析评分：EEG 基础模型的校准诊断

基于摘要分析。该研究关注 EEG 基础模型的下游任务得分能否反映其对生理相关信号的利用，提出以神经生理学为共同参照的跨架构诊断基准，用受控输入干预揭示任务评分难以呈现的信号依赖，并检验这些依赖能否在下游阶段改变。 诊断时，作者先固定各模型的适配器、预训练骨干与读出，再对输入实施八种诊断协议，不进一步训练。配对对照用于区分目标干预与主要副作用；其中三种代表性协议在具有已知信号依赖的合成 EEG 上得到校验。该设计针对普通输入扰动的解释局限：观察到的变化也可能来自适配器、读出或扰动自身引入的伪影，而不只是目标生理特征。 作者报告，在五个已发布模型和四项任务中，预测往往对全局或低层信号属性更敏感，而非对预期与任务相关的特定脑区和 EEG 节律更敏感。在运动想象任务中，交换两半球对应电极使 AUROC 降低 0.18–0.28，而完全遮蔽预先定义的中央感觉运动区域，性能变化小于 0.04；摘要未单独明确后一数值的指标。在癫痫发作检测中，两个保留输入幅值的模型在原始波形被 RMS 匹配背景完全替换后仍保持较强预测能力，但保留原始波形并大幅衰减幅值时，表现低于随机水平；摘要未提供具体分数及随机水平的定义。 作者还报告，冻结预训练骨干、以镜像增强重新拟合读出，可使运动想象预测对左右电极交换的响应更一致。这支持部分诊断行为可通过下游接口改变，但不等同于证明骨干已学到或未学到生理表征，也不能仅凭局部遮蔽效应判定模型完全不利用该区域。 复现需核对八种协议的具体干预及配对控制、模型与任务清单、适配器和读出设置、合成 EEG 的生成假设，以及镜像增强的拟合流程。数据集、被试数量、被试内或跨被试划分、统计不确定性、消融及代码可用性尚未验证；上述结果应限定在作者所评估的模型与任务范围内。