arXiv（brain-computer interface）·2026-10-26 20:46· 21 小时前AI 评分52

新加坡国立大学 Haizhou Li 团队提出统一 EEG 多任务理解模型 OneEEG

OneEEG: A Unified Signal-Visual Multimodal Language Model with Task-Aware Mixture of Projectors for Multi-Task EEG Understanding

AI 导读

新加坡国立大学 Haizhou Li 团队提出 OneEEG，一个面向多任务 EEG 理解的统一 EEG-MLLM 框架，同时建模数值与视觉两种 EEG 表征，并用任务感知的 Mixture of Projectors（MoP）把不同任务族的异构 EEG 特征对齐到 LLM 嵌入空间。

AI 要点

团队

第一作者 Jiacheng Zhang，末位作者 Haizhou Li，共 5 位作者

主要结果

OneEEG 联合数值与视觉 EEG 表征及任务感知投影，在多任务 EEG 理解上优于现有 MLLM；消融分析揭示视觉渲染、MoP 变体、路由器行为与特征分散的影响

解决什么问题

EEG 建模在不同任务范式间割裂，现有 MLLM 理解 EEG 输入的能力有限

方法

构建多任务 EEG 指令微调数据集 OneEEG-Instruct，联合建模数值与视觉 EEG 表征，引入任务感知 Mixture of Projectors 对齐异构 EEG 特征与 LLM 嵌入空间

局限

从研究设计看，为方法类研究，未涉及人体受试者或临床验证

AI 依据原文整理，未经人工核对。