EEG 基础模型中的时间特征提取器：包含预训练时间序列模型的受控比较

基于摘要分析。该研究考察 EEG 基础模型中时间特征提取器的作用，以及预训练时间序列基础模型（TSFM）能否用于 EEG 表征学习。核心贡献是在统一 EEG 基础模型中比较线性基线、卷积编码器与冻结的预训练 MOMENT，并通过运动想象和情绪识别两项下游任务评估表征质量。 技术上，研究将时间特征提取策略作为对照因素；其中 MOMENT 保持冻结，用作时间特征提取器，而非专门针对 EEG 适配的模型。摘要未说明输入时间窗、通道组织、MOMENT 与其余模块的接口、预训练数据、损失函数及下游训练方式，受控比较中其余配置如何保持一致也尚需全文核对。 作者报告，在所评估的运动想象数据集上，简单时间表征具有竞争力；在情绪识别数据集上，更丰富的时间建模更有益。作者同时报告，未经 EEG 专门适配的预训练 TSFM 可作为有效的时间特征提取器。这些结果提示时间建模的收益可能依赖任务与数据条件，但不能据此断言更复杂的提取器普遍更好，也不能将冻结 MOMENT 的可用性扩大为已验证的跨被试或跨数据集泛化能力。 摘要未提供数据集名称、被试数量、数据划分、Within-subject 或 Cross-subject 等评估协议、指标与数值，因此无法判断提升幅度及统计可靠性。复现需核对各提取器的输入与输出维度、可训练参数和计算开销、冻结范围，以及统一模型中的训练与评估设置；实验协议、消融及统计信息尚未验证。