神經基礎模型

神經基礎模型是一種大型模型，在異質的神經記錄上（跨受試者、場次、任務，有時跨腦區）以自監督方式預訓練，目標是得到一個可重複使用的骨幹，能對新的解碼問題微調或少樣本適應。例子涵蓋皮質內尖峰資料（POYO、NDT2）與頭皮或顱內 EEG（LaBraM、Brant 等）。其願景是攤平長期使 BCI 只能量身打造的龐大逐受試者校準成本。

此主張值得審視。神經資料缺乏使語言與視覺基礎模型得以成功的網路規模、標準化語料；電極配置、電極數、取樣率與標記方案差異甚大；而評估又常落在與訓練相同的狹窄基準上。當前的神經基礎模型究竟能否推廣到真正全新的受試者與硬體，抑或只是在精選分布內做內插，仍是懸而未決且爭論激烈的實證問題。