脑机百科消息(bciwiki.com)，研究团队发布 iMINDBench，一个面向颅内脑电（iEEG）神经解码的多机构基准，把三家机构的自然观影数据集、15项解码任务、标准化的预处理轨道和固定的评估划分放进同一套评测框架。该预印本于2026年9月16日上传至 arXiv，尚未经同行评审。
颅内脑电通过植入大脑内部的电极直接记录电活动，是神经解码中颇具吸引力的信号来源。但研究团队指出，这一方向的进展难以可靠衡量：数据集往往绑定特定任务或特定机构，跨任务、跨记录环境的泛化能力缺少证据；预处理方式的选择又会强烈影响表现，使模型改进与预处理带来的增益难以区分。
在 iMINDBench 上评测的结果显示，受测的预训练系统在各自所属的预处理轨道内通常优于基线，但在跨机构数据集上，稳健的频谱基线依然具有竞争力。
扩展研究给出了一个更直接的结论：把来自其他受试者或其他机构的监督数据增加到25倍，相比同一场次内的训练，带来的提升依然很小，或取决于具体任务。研究团队据此提出，iEEG 模型需要在强预处理基线上取得实质改进，并更有效地利用跨受试者、跨机构的数据。
该预印本共26页、13幅图，作者包括 Geeling Chau、Saba Hashemi、Yonghyeon Gwon、Eshani Patel、Jan DeWitt、Christopher Wang、Andrii Zahorodnii、Sabera J Talukder、Danny Dongyeop Han、Chun Kee Chung、Maryam M Shanechi 和 Yisong Yue。