脑机百科消息(bciwiki.com)，为每位新用户单独训练的适配模块，能让脑电基础模型的平均平衡准确率比通用群体模型高1.5至5.4个百分点，研究人员Xilin Tao与Kani Chen在2026年9月28日上传至arXiv的预印本中报告了这一结果。脑电基础模型是用大量脑电数据预训练的通用模型。该研究尚未经同行评审。
研究关注的问题是：脑机接口每接入一位新用户都需要校准，而表面上的个性化增益，可能只是反映了底层群体模型更强。为此，研究人员冻结了3个脑电基础模型CBraMod、REVE和LaBraM，在3个运动想象数据集中取235名未参与训练的受试者，将每名受试者自己的适配模块同时与群体模型、为其他受试者拟合的适配模块作比较。
使用前半段会话的全部标注数据时，在全部9种模型与数据集组合中，个人适配模块的平均平衡准确率都高于群体模型1.5至5.4个百分点，也比交换来的他人适配模块高2.3至7.3个百分点。
增益大小取决于群体模型的训练量。训练预算增加到原来的4倍后，各模型的中位增益仍为正值，在1.0至2.0个百分点之间，但都比原来小；而且没有一个群体模型达到经确认的平台期。
低成本获得这部分增益并不可靠。只用少量标注数据校准时，仅在1个数据集上稳定做到不低于群体模型；在CBraMod上，无标注上下文和元学习初始化都没有优于匹配的对照方法。作者据此建议，评估个性化效果时应同时对照群体模型和交换参数，并在不同群体训练量下比较。