REALM：用回顾性蒸馏实现因果LFP行为解码

研究团队提出 REALM 框架，用于因果 LFP 行为解码。其做法是先用连续掩码自编码预训练一个跨多个记录会话的双向 Mamba-2 教师模型，再把该教师模型的表征蒸馏到紧凑的因果学生模型，使因果模型获得原本依赖双向信息的能力。 该框架由 Peicheng Wu 等作者提出并验证，相关论文发布于 arXiv q-bio.NC。报道未给出解码准确率等具体效果数据。

AI 根据报道生成 · 53 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。