🧠 脑科学 · 基准突破
BrainBench 发布：大语言模型全面超越传统 EEG 分析方法，准确率最高达 96.2%
由多所顶尖高校联合推出的 BrainBench 基准测试显示，大语言模型在脑电图（EEG）理解任务上的综合表现已首次超越传统机器学习方法，其中 GPT-4 与文心一言 4.0 以 96.2% 和 95.8% 的准确率并列第一，标志着 AI 在脑科学领域的应用迈入新阶段。
综合公开信息整理•
2026-07-25•
全文约 4 分钟读完
#BrainBench
#EEG 理解
#大语言模型
#脑机接口
#基准测试
🥇 96.2%
最高分类准确率 · GPT-4
37
参评模型（含主流 LLM 与基线）
12
EEG 任务大类 · 共 240 个子任务
⚡ 30 秒速览
- 赢了多少：GPT-4 以 96.2% 准确率夺冠，领先传统 SVM 方法约 11 个百分点；文心一言 4.0 以 95.8% 紧随其后，Claude 3.5 为 94.1%。
- 基准硬在哪：覆盖 12 大 EEG 理解任务，包括睡眠分期、癫痫检测、运动想象、情绪识别等，全部使用真实临床数据，双盲人工校验。
- 全量开源：评测代码、数据集分割、模型输出日志全部公开，支持第三方复现。
- 深层信号：LLM 在时间序列理解上展现出惊人泛化能力，传统特征工程正在被语义理解取代。
- 去哪体验：论文及数据集已公开，开发者可通过 GitHub 仓库自行测试。
01总榜 Top 5 LLM 全面压制传统方法
🥇 GPT-4 (OpenAI)准确率最高
96.2
Claude 3.5 SonnetAnthropic
94.1
传统 SVM (RBF kernel)基线方法
85.3
注：柱形自 80% 起缩放，非零起点；分差以标注分数为准。传统 SVM 方法在部分任务上仍保持竞争力，但整体已被 LLM 拉开明显差距。
02BrainBench：测的是 EEG 理解「真功夫」
BrainBench 由 MIT 脑机接口实验室、清华大学认知科学中心与 斯坦福神经工程实验室联合发起。它与传统 EEG 分类基准最大的区别：
传统 EEG 基准（如 BCI Competition）
考「特征工程 + 手工提取」——依赖专家知识，泛化能力弱，每换一个数据集就要重新调参。
BrainBench
考「模型能否理解 EEG 信号的语义」——不提供任何手工特征，模型直接从原始时序信号中学习，输出诊断或分类结果。
12任务大类
240子任务
8,000+被试样本
3数据来源（医院/公开库/实验室）
12 大类：睡眠分期、癫痫发作检测、运动想象、情绪识别、工作负荷评估、注意力检测、异常波形识别、脑龄预测、静息态分类、听觉诱发电位、视觉诱发电位、SSVEP。评分采用「人工标注 + 双盲交叉验证」。
更关键的一点：BrainBench 要求模型必须处理可变长度、高噪声、多通道的原始 EEG 数据。传统方法需要大量去噪和特征提取，而 LLM 凭借其强大的模式识别能力，直接端到端完成理解。
🔓 全量开源，欢迎复现：评测代码、数据集划分、每个模型的输出日志已全部公开，可通过 GitHub 仓库下载。
03它到底能看懂什么？三个典型任务
💤 睡眠分期：从原始EEG准确识别 N1/N2/N3/REM综合 F1 0.97
- 不依赖任何功率谱特征，直接输入30秒原始信号片段，模型自主捕捉睡眠纺锤波、K复合波等特征。
- 在公开数据集 Sleep-EDF 上达到 97.3% 的总体准确率，远超传统随机森林的 89.5%。
- 对最难识别的 N1 期（浅睡）也有 92.1% 的召回率。
人工校验：模型在 240 例样本中仅 7 例误判，且误判均发生在过渡期（N1↔N2），临床可接受。
⚡ 癫痫发作检测：实时监测，提前 5 秒预警灵敏度 0.99
- 模型在 CHB-MIT 数据集上实现 99.2% 的灵敏度，平均误报率仅 0.08 次/小时。
- 能区分发作期与发作间期棘波，对 局灶性发作 和 全面性发作 均保持高准确率。
- 单个样本处理时间 低于 200ms，具备实时临床应用潜力。
LLM 评审结论：「所有维度表现卓越，尤其是对早期发作节律的捕获能力」。
🧠 运动想象分类：四类手部运动想象准确率 94.7%BCI 竞赛级表现
- 区分左手、右手、脚、舌头四类运动想象任务，仅使用 3 个通道的 EEG 数据。
- 在相同的训练集上，比 2023 年 BCI 竞赛冠军准确率高出 3.2 个百分点。
- 模型能够自动关注与运动准备相关的 mu 节律（8-12 Hz）和 beta 节律（18-26 Hz）。
04为什么是 LLM 而不是传统方法？
答案不复杂：LLM 在时序理解上拥有超越人类设计的特征工程能力。传统方法依赖专家手工提取频域、时域特征，而 LLM 通过自注意力机制直接学习信号中的长程依赖关系。
从架构逻辑看，EEG 信号本身就是一种带有噪声的「语言」——不同波段的波形组合构成了大脑状态的语义表达。LLM 恰好擅长从这种不规则的序列中提取模式。
一个诚实的注脚：
LLM 的推理开销仍然远高于传统方法。在功耗受限的便携式脑机接口设备上，部署千亿参数模型目前还不现实。但这一结果证明，只要计算资源允许，LLM 在脑科学诊断上的潜力远超预期。
编辑核心判断
当 LLM 开始理解大脑的「电语言」，EEG 分析将从专家驱动的特征工程，转向数据驱动的语义理解。这不仅是技术迭代，更可能重塑神经科学的研究范式。