南洋理工发布 PhysioWave-T：小波生物信号基座模型，延迟降 4-7 倍
NanyangTechnologicalUniversity · hf · 2026-11-10
南洋理工大学发布 PhysioWave-T，面向 EEG/ECG/sEMG 的 token 高效小波基座模型家族。
核心方法
- 动态尺度折叠（dynamic scale folding）在 token 化前重组 J+1 个小波子带，将序列从 (J+1)CS 压缩到 CS 个 token
- 模态专属前端与可学习的通道名嵌入，让每个模态一个 Transformer 即可适配不同导联与采样率；未见配置通过轻量适配器复用骨干
- RALF（可靠性感知潜在融合）以样本自适应权重融合多个独立预训练编码器的摘要 token
结果
- 预训练 30M 参数 EEG 模型（超 1500 万窗口、19-128 通道），另有 ECG（30M）与 sEMG（12M）编码器
- 尺度折叠使 Transformer 延迟降低 4.0-7.2 倍、峰值内存降低 6.8-12.7 倍，且无精度损失
- EEG 编码器在 9 项指标中的 8 项领先 BENDR、BIOT、LaBraM、EEGPT
- SeizeIT2 上 RALF 将 11 次误报/小时下的事件敏感度从 61.4% 提到 74.4%，窗口 AUPRC 从 0.321 升至 0.399
- sEMG 准确率与 PTB-XL Super、Chapman-Shaoxing macro-F1 达到 SOTA
代码与模型已开源。
「研究」频道最新
- 从执行轨迹学习裁剪工具输出,实测可省 56% 计费 token — solyarisoftware · 2026-11-10
- 上海AI实验室Sage-Taiyi登顶AI科学家基准,化学反应产率提升至84% — Shanghai-AI-Laboratory · 2026-11-10
- 微软KAIST提出SIRIS基准:LLM难以判断仿真误差何时足以推翻设计建议 — MicrosoftResearch · 2026-11-10
- 世界模型需多少次暴露学会新机制?WARC约80次即可,ARC-AGI-3得分翻三倍 — third-intelligence · 2026-11-10
- 腾讯混元发布FewStepRL:用强化学习微调少步扩散模型的新框架 — Tencent-Hunyuan · 2026-11-10
- 用 BioEmu2 模拟麦芽糖结合蛋白，配体诱导构象变化一目了然 — FrankNoeBerlin · 2026-11-10