EEG-FM-Bench：面向 EEG 基础模型系统化评估的综合基准
信号处理
2026-02-16 v2 人工智能
人机交互
摘要
电体感觉生理信号基础模型 (EEG-FMs) 取得了进展，但缺乏标准化评估基准阻碍了模型比较和科学进步。当前评估依赖于不一致的协议，导致跨模型比较不可靠；同时，缺乏诊断性分析掩盖了影响迁移效率和规模行为的内部机制。为此，我们引入 EEG-FM-Bench，一个用于 EEG-FMs 标准化评估的统一系统。该基准整合了 14 个数据集，覆盖 10 种范式，包含多种实验设置，包括多种微调策略、任务组织和分类器配置，并配备了梯度和表示分析工具。我们的实验和分析揭示了若干关键见解：(1) 多任务学习是缓解数据稀缺 EEG 环境中过拟合的关键正则化器；(2) 预训练效率受限于重建目标与下游任务之间的梯度冲突；(3) 模型规模偏离典型规律，因为具有领域特定归纳偏置的紧凑型架构持续超过显著更大的模型。该基准实现公平比较和可重复分析，将该领域从碎片化结果转向可解释的进展。代码已公开于 https://github.com/xw1216/EEG-FM-Bench。
引用
@article{arxiv.2508.17742,
title = {EEG-FM-Bench: A Comprehensive Benchmark for the Systematic Evaluation of EEG Foundation Models},
author = {Wei Xiong and Jiangtong Li and Jie Li and Kun Zhu and Changjun Jiang},
journal= {arXiv preprint arXiv:2508.17742},
year = {2026}
}
备注
35 pages, 40 figures