Peicheng Wu 等提出 REALM 框架，用因果蒸馏实现仅凭 LFP 的行为解码

Peicheng Wu 等研究者提出 REALM，一种基于回溯知识蒸馏的因果 LFP 行为解码框架：先用连续掩码自编码预训练双向 Mamba-2 教师模型，再把其表征蒸馏到紧凑的因果学生模型，实现仅用局部场电位（LFP）的实时行为解码。 据论文，REALM 在无标签和微调两种流程中均取得所比较解码器中最高的平均准确率，并对包括 CrossModalDistill 在内的各基线有统计显著提升；预训练、蒸馏和解码全程仅用 LFP，参数量不足 CrossModalDistill 已发表学生模型的一半，预训练时间约为其十分之一。研究者称该方案为无线植入式 iBCI 提供了可扩展路径。

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。