REALM：因果LFP行为解码的回顾式蒸馏框架

Peicheng Wu 等人提出 REALM，一个用于因果 LFP（局部场电位）行为解码的回顾式知识蒸馏框架。其做法是：把预训练的多会话双向 Mamba-2 教师模型的表征迁移到紧凑的因果学生模型；该教师模型经过连续掩码自编码预训练。 按作者的说法，这一设计旨在让因果解码模型获得双向教师模型的表征能力。报道未给出该框架在具体任务上的性能数据或对比结果。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。