bioRxiv（Neuroscience）· Tao Xu·2026-10-14 08:00· 11 天前AI 评分51

bioRxiv 预印本：刺激重叠会混淆 EEG 基础模型基准中的泛化评估

Stimulus overlap confounds generalization in EEG foundation-model benchmarks

AI 导读

Tao Xu 在 bioRxiv 发布预印本，提出一种训练匹配的审计方法，在固定测试试次、训练受试者和刺激数量的条件下改变刺激重叠程度。在来自七个 EEG 情绪数据集的十项任务中，刺激重叠均提高了差分熵解码准确率，并在 FACED-9 上解释了 77% 的高于随机水平的已见刺激表现。

AI 要点

团队

作者为 Tao Xu，原文未列出所属机构。

主要结果

在七个 EEG 情绪数据集的十项任务中，刺激重叠均提高差分熵解码准确率；在 FACED-9 上，刺激重叠解释了 77% 的高于随机水平的已见刺激表现。

解决什么问题

现有神经解码基准在训练与测试中复用同一实验刺激，无法区分迁移到新刺激与识别熟悉材料。

方法

提出训练匹配审计，在固定测试试次、训练被试与刺激数量的条件下改变刺激重叠程度。

局限

从研究设计看，该审计为对已有数据集的再分析，未涉及新采集数据或前瞻性验证。

AI 依据原文整理，未经人工核对。