arXiv（brain-computer interface）·2026-09-21 06:56· 2026-09-21AI 评分27

在运动想象任务上审计 EEG 基础模型 LaBraM 与 CBraMod：匹配输入估计在不同架构下符号相反

Matched-Input Estimates Differ in Sign Across Architectures: Auditing EEG Foundation Models on Motor Imagery

AI 导读

研究在验证锁定协议下审计 LaBraM 与 CBraMod 两个 EEG 基础模型在运动想象任务上的表现，四分类 BCI Competition IV-2a 上所有监督基线均优于所有基础模型配置。

AI 要点

团队

第一作者 Kevin Zhou，末位作者 Sparsh Roy，共 2 位作者。

主要结果

四分类 BCI Competition IV-2a 上，所有监督基线均优于所有 EEG 基础模型配置；宽带输入使 ATCNet 准确率提高 0.078，却使 EEG Conformer 降低 0.088。

解决什么问题

审计 LaBraM 与 CBraMod 在运动想象上的迁移表现，并检验基础模型与任务专用解码器输入管线不一致带来的混淆。

方法

采用验证集锁定协议，预处理、架构、优化、冻结深度、检查点、温度与方法选择仅用训练会话数据确定；在 BCI Competition IV-2a 与 BNCI2014-004 上评估。

局限

从研究设计看，匹配输入的三项差异在 n = 9 经多重比较校正后均不显著，作者仅作描述性处理；四分类差距未在二分类数据集上重现。

AI 依据原文整理，未经人工核对。