南方科技大學劉泉影團隊：OmniEEG-Bench：覆蓋58個解碼任務的EEG基礎模型標準測評體系

過去兩年，隨著大模型浪潮從自然語言、計算機視覺逐漸擴展到腦科學領域，EEG Foundation Model（腦電基礎模型）開始成為國際學術界和產業界關注的新方向。從BIOT、LaBraM、EEGPT，到近年來出現的BrainOmni、CBraMod、REVE等模型，越來越多研究者希望通過大規模預訓練，讓模型從海量腦電數據中學習通用表征，并像GPT之于語言、CLIP之于視覺一樣，成為腦信息解碼領域的基礎設施。

然而，一個長期存在的問題始終沒有得到解決：這些模型究竟誰更強？強在哪里？又是否真正具備跨任務、跨數據集、跨被試的泛化能力？

與自然語言處理領域擁有GLUE、SuperGLUE，計算機視覺領域擁有ImageNet、COCO等標準化評測體系不同，腦電領域長期處于“各測各的”狀態。不同團隊使用不同的數據集、不同的數據劃分策略和評價指標，即便兩個模型都聲稱取得了“最優結果”，往往也難以進行直接比較。缺乏統一標準，使得EEG基礎模型的發展始終缺少一個公認的坐標系。

近日，南方科技大學劉泉影教授團隊發布的OmniEEG-Bench，正試圖解決這一問題。作為目前覆蓋范圍較廣的EEG基礎模型評測體系之一，該工作構建了一個包含54個數據集、58個下游任務的標準化Benchmark，并在統一協議下系統評測了10個主流開源腦電基礎模型。相比簡單地發布一個排行榜，其更重要的意義在于首次嘗試回答一個更基礎的問題：當前EEG基礎模型距離真正意義上的“通用腦電表征”還有多遠。

用于 EEG 基礎模型線性探針泛化能力的預訓練數據多樣性規模律（a）與模型規模律（b）

從六大任務族出發，構建腦電解碼的能力地圖

與傳統腦電Benchmark通常聚焦于單一任務不同，OmniEEG-Bench最大的特點之一，是試圖用統一框架覆蓋腦電研究中的主要應用場景。

研究團隊認為，腦電解碼任務并不是彼此孤立的，而是可以沿著多個維度組織成一個連續的能力空間。例如，從反映長期穩定個體特征的疾病診斷，到刻畫瞬時腦狀態變化的睡眠監測；從低層次的信號質量評估，到高層次的自然語義解碼；從被動監測到主動腦機交互，不同任務實際上對應著不同層級的腦信息處理能力。

基于這一思路，OmniEEG-Bench將58個下游任務劃分為六大任務族。

首先是信號可靠性（Signal Reliability）。這一類任務并不直接關注認知或行為本身，而是聚焦腦電信號質量，包括偽跡識別、信號質量檢測以及跨時段穩定性評估等內容。雖然這類任務在學術關注度上不如疾病診斷或腦機接口，但它實際上決定了后續所有腦電分析工作的基礎質量，因此也是腦電系統走向真實應用的重要環節。

第二類是生物特征與疾?。˙iometrics & Disease）。這是目前臨床腦電研究最成熟的方向之一，涵蓋癲癇、阿爾茨海默病、帕金森病、抑郁癥等疾病分類任務，同時也包括基于腦電的身份識別等生物特征分析任務。對于很多醫療AI企業而言，這類任務也是最接近商業化落地的場景。

第三類為意識與狀態（Consciousness & State）。其關注對象是腦狀態的持續變化，例如睡眠分期、意識水平評估以及麻醉深度監測等。這類任務通常具有較強的時間連續性，需要模型能夠理解腦活動在較長時間尺度上的動態變化規律。

第四類是認知與情緒（Cognition & Emotion）。近年來隨著神經營銷、教育科技以及智能駕駛的發展，情緒識別、注意力監測和工作負荷評估等任務受到越來越多關注。這些任務往往涉及復雜的高階腦功能活動，也被認為是未來人機交互的重要基礎能力之一。

第五類是自然刺激解碼（Natural Stimulus Decoding）。從整個Benchmark結果來看，這也是當前最具挑戰性的任務族。其主要包括自然語音解碼、閱讀理解相關腦電分析以及視覺語義分類等任務。本質上，這要求模型建立腦活動與復雜外部世界之間的映射關系，不再只是識別“是否產生某種狀態”，而是理解大腦究竟在處理什么信息。

最后是運動與交互（Motor & Interaction）任務，包括運動想象（MI）、穩態視覺誘發電位（SSVEP）、外骨骼控制以及其他腦機接口交互場景。這類任務直接面向腦機接口應用，也是目前產業化程度最高、市場關注度最高的腦電應用方向之一。

OmniEEG-Bench 將 58 個任務分為 6 大類別：信號可靠性、生物特征與疾病、意識與狀態、認知與情緒、自然刺激解碼、運動與交互。

從整體覆蓋范圍來看，OmniEEG-Bench幾乎囊括了當前EEG研究和應用的主要場景，使得不同模型能夠在同一套評價框架下接受系統檢驗。

四種評測協議：評估的不只是精度，而是真實世界的泛化能力

如果說六大任務族回答的是“測什么”，那么四種評測協議回答的則是“怎么測”。

過去很多腦電研究存在一個問題：模型在實驗室數據上表現優異，但一旦面對真實用戶或新的數據采集環境，性能往往出現明顯下降。因此，研究團隊并沒有將評測重點放在單純的準確率比較上，而是更加關注模型在真實場景中的遷移能力和魯棒性。

其中第一種評測協議是多被試適應（Multi-subject Adaptation）。在這一設置中，多個被試的數據被混合在一起，再按照試次進行訓練集、驗證集和測試集劃分。這種方式主要考察模型在多用戶環境中適應新樣本的能力，也是許多實際應用場景中最接近現實的設置。

第二種是被廣泛認為最具挑戰性的跨被試遷移（Cross-subject Transfer）。在這一協議下，訓練集和測試集來自完全不同的被試，模型需要將從一組用戶身上學到的規律遷移到從未見過的新用戶身上。對于EEG基礎模型而言，這實際上是在考察其是否真正學習到了與個體無關的通用腦表征，而不是僅僅記住了訓練數據中的特定模式。

除此之外，OmniEEG-Bench還設計了零樣本與少樣本適應（Zero-shot/Few-shot Adaptation）評測。在很多真實場景中，獲取高質量腦電標注數據往往成本極高，因此模型必須具備在極少標注甚至無標注條件下完成遷移的能力。這一協議主要評估模型的數據效率，也是未來腦電大模型能否廣泛落地的重要指標。

最后，研究團隊還引入了通道遮蔽魯棒性（Channel Masking Robustness）評測?，F實世界中的腦電采集并非理想環境，電極脫落、接觸不良、設備老化等情況都會導致部分通道失效。通過隨機遮蔽一定比例的腦電通道，研究人員可以評估模型在傳感器退化情況下的穩定性，這也是傳統Benchmark中較少涉及但實際應用價值很高的測試維度。

OmniEEG-Bench 評估流程配備了四種評估協議：跨被試遷移、多被試試次級適應、零樣本/少樣本適應，以及通道遮蔽魯棒性評估

主評價體系：凍結表征下的跨被試泛化能力

在所有評測協議中，OmniEEG-Bench最終選擇“跨被試遷移+線性探針（Linear Probe）”作為主榜評價體系。

這一設置其實相當嚴格。評測過程中，預訓練模型的骨干網絡參數完全凍結，僅訓練一個輕量級線性分類頭。同時，訓練集、驗證集和測試集中的被試完全不重疊。換句話說，模型無法依賴針對具體任務的微調能力，而只能依賴其預訓練階段學習到的表征本身。

這種設計的核心邏輯在于，如果一個模型真的學到了通用腦表征，那么即使不進行復雜微調，也應該能夠較好地適應新的任務和新的被試。反之，如果模型必須經過大量任務特定訓練才能發揮作用，那么其“基礎模型”屬性實際上仍然有限。

評測結果顯示，BrainOmni、CBraMod和REVE構成了當前EEG基礎模型的第一梯隊。其中BrainOmni以3.47的平均排名位居第一，CBraMod和REVE分別以3.49和3.73緊隨其后。

不過，更值得關注的并不是誰排第一，而是沒有任何一個模型能夠在所有任務族中同時領先。BIOT在疾病相關任務上表現突出，REVE更擅長意識與狀態任務，CBraMod在認知與情緒方向具有優勢，而BrainOmni則在運動交互和自然刺激解碼任務中表現更強。這說明當前腦電基礎模型尚未形成真正意義上的“通用智能”，而是呈現出明顯的任務偏好和能力專長。

十個主流腦電基座模型在 OmniEEG-Bench 上的綜合排序

EEG領域開始出現自己的Scaling Law

在大語言模型領域，“Scaling Law”已經成為推動行業發展的核心規律之一。那么，EEG基礎模型是否也存在類似現象？

OmniEEG-Bench給出了一個初步答案。

研究團隊系統分析了模型參數規模、訓練數據時長、訓練被試數量以及預訓練數據集數量等多個因素與最終性能之間的關系。結果發現，與模型排名最相關的因素并非訓練時間，而是預訓練數據集的多樣性以及模型參數規模。

換句話說，對于EEG基礎模型而言，僅僅增加訓練時長或者收集更多來自同一數據源的數據，并不能持續帶來收益。真正有效的是擴大數據來源的豐富程度，讓模型接觸更多任務類型、更多實驗范式以及更多人群的數據分布。

與此同時，模型參數規模與性能之間也表現出明顯正相關關系。更大的模型通常能夠獲得更好的平均排名，這意味著EEG領域已經開始呈現類似于自然語言領域的規模效應。

但與LLM不同的是，腦電數據具有更強的異質性和更復雜的時空結構。因此，研究還發現向量量化分詞、掩碼重建預訓練以及交叉空間建模等架構創新，同樣會顯著影響模型性能。這說明未來EEG基礎模型的發展并不會簡單復制語言模型的發展路徑，而是需要結合腦信號自身特點探索新的架構設計。

少樣本適應與通道缺失魯棒性：真實應用中的兩道門檻

如果說排行榜反映的是模型的理論能力，那么少樣本學習和通道缺失魯棒性則更接近實際部署場景。

在少樣本評測中，研究團隊發現隨著標注數據比例增加，大部分模型性能均會有所提升，但不同任務之間的增長趨勢存在明顯差異。信號可靠性和意識狀態任務通常能夠持續獲益，而認知情緒、生物特征疾病以及運動交互任務則更容易出現性能平臺期。

其中，BrainOmni展現出了相對更好的少樣本適應能力。這意味著其預訓練表征在有限標注條件下更容易被下游分類器利用。然而從整體結果來看，當前EEG基礎模型距離真正意義上的Few-shot Learning仍有較大差距，遠未達到“大模型只需少量樣本即可快速適應新任務”的理想狀態。

與此同時，在通道遮蔽測試中，隨著被遮蔽通道比例不斷增加，大多數模型性能呈現持續下降趨勢。當大量通道缺失時，不少模型甚至接近隨機猜測水平。這意味著當前模型雖然具備一定遷移能力，但對完整傳感器陣列仍存在較強依賴。

對于未來的腦機接口系統而言，這無疑是一個重要挑戰。無論是消費級腦電設備還是長期植入式腦機接口，都不可避免會面臨信號衰減、電極失效或通道缺失問題。如何讓模型在信息不完整條件下仍能穩定工作，可能將成為下一代EEG基礎模型的重要研究方向。

一個值得關注的結論：基礎模型仍未達到“即插即用”

OmniEEG-Bench最后還比較了全量微調（Full Fine-tuning）與線性探針（Linear Probe）兩種模式下的模型表現。

結果顯示，經過全量微調后，大多數EEG基礎模型都能夠超越傳統專用模型，例如EEGNet和EEGConformer。這說明預訓練確實能夠提供更好的初始化，并幫助模型獲得更高的下游性能上限。

但另一方面，當骨干網絡被凍結，僅訓練線性分類頭時，大多數基礎模型仍難以穩定超越EEGConformer。這意味著當前EEG基礎模型更多體現為一種“可微調能力”，而非真正意義上的“開箱即用能力”。

換句話說，今天的EEG Foundation Model更像是一個優秀的預訓練起點，而不是像GPT那樣能夠直接遷移到大量新任務的通用基礎模型。

從這個角度看，OmniEEG-Bench或許揭示了當前腦電大模型發展的真實階段：行業已經邁出了從“小模型時代”走向“基礎模型時代”的關鍵一步，但距離建立真正通用、可遷移、可部署的腦電智能系統，仍有相當長的一段路要走。而跨被試泛化、自然刺激解碼、少樣本學習以及通道缺失魯棒性，或許正是決定下一代EEG基礎模型競爭格局的關鍵戰場。

論文鏈接：https://doi.org/10.48550/arXiv.2606.00815

代碼鏈接：https://github.com/ncclab-sustech/omni-eegbench.git

腦機接口社區是國內首家腦機接口(BCI)產業服務平臺、國內腦機接口新媒體開創者與引領者。主要為企業、科研團隊、投資機構和從業者提供以下服務：

宣傳報道：圖文、短視頻、直播形式報道企業動態、技術解讀、產品介紹等內容，提升曝光和行業影響力。

資源對接：根據需求匹配資本、供應鏈、臨床機構、渠道方等資源，完成真實對接，促進合作。

成果轉化：協助技術團隊尋找產業方、投資人及落地場景，推動技術到產品的轉化。

活動策劃執行：承接線上線下路演、沙龍、論壇等活動的策劃與執行。

其他定制需求：包括報告定制、市場調研、人才招聘支持等個性化服務。

合作洽談，請聯系微信：ZuoLeiLeiya

（備注：姓名-單位-合作）

投稿丨成為創作者，請聯系微信：RoseBCI

不錯過每一條腦機前沿進展

一鍵三連「分享」、「點贊」和「在看」

歡迎在評論區聊聊