BrainPFN：单次前向预测脑行为评分

Carlo Alberto Barbano 与 Demian Wassermann 提出并发布 BrainPFN，一种先验数据拟合网络（PFN），用于从功能连接矩阵预测连续行为评分。其推理只需单次前向传播，无需按评分或队列重新拟合。 据作者介绍，该模型基于约 7k 个真实功能连接矩阵构建领域先验，并采样十亿条合成样本进行元训练；在四个独立队列的小样本预测上优于核岭回归（KRR），并领先预训练规模大 4–9 倍的近期基础模型。作者同时公开了元训练数据池、代码与检查点，称这一规模适中的公开数据池可匹敌或超过在 Biobank 规模上训练的模型。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。