EEG-PRIME是一种新的EEG基础模型，用于跨数据集和多任务解码。它结合了掩码预训练和原型对齐的指令微调，以实现指令感知和受试者不变的解码。 在预训练阶段，EEG编码器通过掩码重构和频率截止谱增强学习可迁移的表示。 在指令微调阶段，EEG-PRIME结合任务语义、数据集特异性和受试者不变的条件。 最终的条件信号调节Q-Former通过逐层查询调制，而冻结的文本嵌入作为类标签的原型，用于余弦相似性预测。 实验结果表明，EEG-PRIME在十六个数据集上取得了与最先进基线和先前EEG基础模型相比的持续改进。 博主点评： EEG-PRIME是一种创新性的EEG解码模型，具有原型对齐表示学习和多级条件的优势。它在跨数据集和多任务解码方面表现出色，是脑机接口领域的一项重要进展。