NeuroLens：从长期神经记录学习语义潜嵌入

Hanrui Lyu 等作者发布论文，提出基于 JEPA 框架的自监督模型 NeuroLens，可从长期神经记录中学习去噪的语义潜在表示。该模型通过自适应编码器将变化的神经元群体映射到统一潜在空间，并在潜在空间中进行预测，以降低对记录不稳定性的敏感度。 在小鼠和人类的长期皮层内数据上，该表示提升了对决策与语义任务变量的解码能力；多日预训练可泛化到未来会话，并实现对新神经元群体的快速少样本适配，解码稳定性优于现有基线。

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。