EEG-FM-Bench: A Comprehensive Benchmark for the Systematic Evaluation and Diagnostic Analyses of EEG Foundation Models
Wei Xiong, Jiangtong Li, Jie Li, Kun Zhu, Changjun Jiang
ICML 2026 主会 · OpenReview
OVERVIEW
论文概览
统一比较 EEG 基础模型在 14 个数据集、10 类范式上的迁移能力，并用表征诊断分析模型究竟学到了什么。
ABSTRACT
中文摘要
EEG 基础模型快速增加，但论文往往使用不同数据处理、微调协议和任务集合，难以公平比较。EEG-FM-Bench 建立覆盖 14 个数据集和 10 类实验范式的标准化评估框架，对多种代表性基础模型进行统一微调与诊断。除下游性能外，基准还分析表征中的时空交互、跨任务共享结构和神经心理学先验。结果提示，显式建模时空关系、多任务训练和引入神经科学先验通常更有利于泛化，并暴露出部分大模型在跨数据集条件下并不稳定。
RESEARCH RELEVANCE
与你研究的关系
它可以成为你统一脑模型的评估骨架，避免只用单一 EEG 数据集或单一分类任务证明“基础模型”能力。
LIMITATIONS
局限与核查重点
基准以 EEG 下游任务为中心，尚未覆盖 EEG–fMRI 对齐、CLIP 回归和生成质量等统一编解码指标。
SOURCE
来源与原文
ICML 2026 主会 · OpenReview
Wei Xiong, Jiangtong Li, Jie Li, Kun Zhu, Changjun Jiang. EEG-FM-Bench: A Comprehensive Benchmark for the Systematic Evaluation and Diagnostic Analyses of EEG Foundation Models. ICML 2026 主会 · OpenReview. https://openreview.net/forum?id=vGeNaFHdET