资讯摘要
论文提出用参数高效微调（PEFT）适配大型预训练骨干网络进行脑编码，利用骨干的因果结构单次预测多个时间点以降低特征提取成本，可微调多达104B参数的多模态模型。作者报告在九个多模态骨干上性能一致提升，BrainLoRA在Algonauts 2025挑战赛取得已发表最佳成绩，并开发多LoRA内核支持200+模型集成。
要点速读
- 论文提出利用骨干因果结构单次预测多个时间点，替代滑动窗口以降低特征提取成本，从而高效微调最多104B参数的多模态骨干。
- 采用LoRA与轻量读出层，作者报告在九个多模态骨干上脑编码性能一致提升，BrainLoRA在Algonauts 2025挑战赛取得已发表最佳成绩。
- 作者称适配后的模型保持可解释性，并开发多LoRA内核加速共享骨干上多个LoRA联合训练，支持200+模型集成在公开榜单排名第一。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/21 00:00:18（北京时间）。