STAMP：具有多头池化的时空适配器

基于摘要分析。本文研究通用时间序列基础模型（TSFMs）与 EEG 专用基础模型（EEGFMs）在 EEG 任务中的适用性，提出 Spatial-Temporal Adapter with Multi-Head Pooling（STAMP），利用通用 TSFM 生成的单变量嵌入，隐式建模 EEG 的时空特征。核心贡献是为通用 TSFM 适配 EEG 提供轻量模块，并开展与 EEGFM 的比较分析，而非发布新的 EEG 预训练基础模型。 机制方面，STAMP 以单变量嵌入为输入，通过包含多头池化的适配器处理 EEG 时空信息。作者称其可训练参数较少，且能够灵活适配输入；但摘要未说明嵌入如何组织、空间关系如何表示、多头池化的具体计算、主干是否冻结，以及训练目标与推理流程，因此尚不能确定其对通道配置变化的支持范围。 评估方面，作者报告在 8 个使用 EEG 进行临床分类的基准数据集上开展比较及消融研究，STAMP 的性能可与当前先进 EEGFM 相当。摘要未提供数据集名称、任务定义、指标、具体分数、基线模型或划分方式，故不能判断这一结论适用于被试内、跨被试、跨会话还是跨数据集协议，也不能外推为对所有 EEG 或 BCI 任务有效。 复现时需核对通用 TSFM 与 EEGFM 的预训练数据及输入处理、适配训练的参数预算、数据划分与评价指标，并查看消融是否支持时空适配和多头池化各自的贡献。实验协议、消融细节及统计信息尚未验证，代码与模型可用性亦尚未确认。