arXiv · AI· Nicolas Waehner, Enzo Tagliazucchi, Jacobo Sitt, Demian Wassermann, Giovanni Franco Gabriel Marraffini, Trinidad Borrell·· 3 小时前AI 评分23
柏拉图大脑：EEG 基础模型中的表征收敛性
The Platonic Brain: Representational Convergence in EEG Foundation Models
AI 导读
研究基于柏拉图表征假设，利用 6 名受试者观看电视剧时的 EEG 数据，测试 EEG 基础模型在模态内与模态间的表征是否随规模增加而收敛。 结果显示 EEG 模型的可解码性与跨家族对齐度正相关，但这种关联并不随模型参数数量增加而一致增强。 跨模态收敛性依赖于具体模态和评估指标：高可解码性 EEG 模型与语言模型的全球结构对齐更强，但与视觉模型及局部邻域相似度无一致关联。
来源：arXiv · AI · arxiv.org