BrainWideBench:跨动物神经记录大模型基准,覆盖 276 个脑区
tyrell_turing · x · 2026-09-22
研究人员发布 BrainWideBench(arXiv:2609.22064),用于评估神经活动模型在跨动物、跨任务场景下的泛化能力。背景与要点:
- 当前神经数据建模的瓶颈是缺乏严谨、标准化的评估协议,现有技术多在单一任务域内测试。
- 该基准基于 International Brain Laboratory 的 Brainwide Map 数据集,涵盖 139 只小鼠、276 个脑区的神经与行为记录,任务包括大规模预训练与跨动物迁移。
- 论文由 40 余位作者合作完成,目标检验大规模神经记录数据能否学到可跨任务迁移的通用神经表征。
「研究」频道最新
- SkillLift 用学习式评分替代真实 rollout,agent 技能进化省 40-70% token — dair_ai · 2026-09-22
- FAIR与NYU论文把缩放律推到4M参数,超参调优成关键 — giffmana · 2026-09-22
- Salesforce研究:让弱模型模仿强模型反降15%,纠错式微调才有效 — rohanpaul_ai · 2026-09-22
- Jevons 效应下 encoder 模型复兴：一场「BERT 复仇」 — JFPuget · 2026-09-22
- 哲学家访谈：首个有意识的 AI 或「跳跃」至复杂意识 — eschwitz · 2026-09-22
- 人类视频成机器人预训练底座:有效经验=小时数×每小时信息密度 — rohanpaul_ai · 2026-09-22