研究团队提出 BrainPro，一个将电极布局映射到统一通道-脑区模板、并按实验范式线索条件化分支激活与掩码重建的 EEG 自监督预训练框架。该方法在 9 个公开 BCI 基准上取得较强表现，消融与通道缺失分析显示地形检索与过程条件化表示学习共同提升解码效果。论文已被 NeurIPS 2026 接收，代码已公开。
推荐理由：论文提出按实验范式条件化的 EEG 预训练框架，并在 9 个公开 BCI 基准上做了对比与消融，可供关注 EEG 大模型路线的人参考。
清华大学戴琼海院士团队联合解放军总医院等单位在 Nature 发表论文，发布约 1 克的无线介观显微镜 Airscope，在 6 毫米视场内以每秒 12.5 帧跨 14 个脑区记录 8500 多个神经元。
推荐理由：论文给出 1 克显微镜的视场、分辨率、数据压缩比和多鼠同步记录规模，可据此判断自由活动动物大规模神经记录的工具水平。
北大助理教授 Lu Meng 创办的 AI4S 公司 LattixOrigin 完成近千万美元种子轮融资，投资方包括顺为资本、云沐资本、Xirius 和中关村资本。团队已训练出第一代 DigitalBrain-M1 人脑基础模型，在部分脑区功能分析上与影像组学高度一致，目标是成为人脑领域的“GPT”，用于快速发现药物靶点与分析机制。
作者提出 CAPT，一个连续自回归群体 Transformer，通过连续 patch tokenization 直接建模钙成像轨迹，并以均方误差目标自回归训练。
Il Memming Park 等人在 arXiv 发表 Perspective，提出整合神经控制论模型，将大脑视为追求潜在目标的控制器，刻画脑、身体与环境的闭环耦合。作者主张用非线性状态空间模型结合元动力学扩展、可扩展推断与知识蒸馏，并混合开环与闭环训练，把目标从孤立预测神经记录转向推断支配神经与行为动力学的组织原则。
研究团队提出 Brain-OF，一个在 fMRI、EEG 和 MEG 上联合预训练的全功能脑基础模型，可在统一框架内处理单模态和多模态输入。
推荐理由：该预印本把 fMRI、EEG 和 MEG 放进同一个基础模型，并公开代码与权重，读者可据此判断多模态神经影像预训练的整合路径。
研究团队提出基于扩散模型的 EEG 表征学习框架 EEGDM，通过结构化状态空间模型的扩散预训练（SSMDP）捕捉长程时间依赖，并用 Latent Fusion Module 融合多层潜特征。
Tether Evo 宣布三篇经同行评审的脑机接口论文分别被 Journal of Neural Engineering、Imaging Neuroscience 和 Neural Networks 接收，其中两篇与罗马第二大学（UniTOV）合作。
一项系统范围综述梳理了截至 2026 年 5 月 15 日的 178 篇文献、199 种单通道兼容 EEG 伪迹去除方法变体，其中 179 种在推理阶段无需参考信号。综述分析了 303 项学习型方法的模型-数据集评估，发现仅 31/303 明确将测试窗口、干净源与伪迹源同训练集分离，122/199 种变体无实测部署证据。