热点事件观察中
BrainLoRA实现大规模脑编码模型参数高效微调
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
研究团队提出 BrainLoRA，采用 LoRA 加轻量读出层的方式，对冻结的多模态主干进行参数高效微调，使脑编码模型可适配最大 104B 参数的规模，并在 9 个多模态主干上一致提升脑编码性能。在 Qwen3-Omni 主干上，该方法取得 Algonauts 2025 挑战赛已发表最佳成绩；团队还配合多 LoRA 内核联合训练 200+ 适配模型，集成后在公开赛后榜单排名第一。
AI 根据报道生成 · 3 小时前更新
最新进展10月19日 08:00
BrainLoRA 集成 200+ 适配模型后在 Algonauts 2025 公开赛后榜单排名第一。报道时间线
沿着报道，了解事件的不同侧面。
10月19日
- Hugging Face Daily PapersBrainLoRA：用 PEFT 将脑编码模型扩展至 104B 参数
研究团队提出 BrainLoRA，用 LoRA 加轻量读出层对冻结的多模态主干做参数高效微调，可适配最大 104B 参数的模型，并在 9 个多模态主干上一致提升脑编码性能。在 Qwen3-Omni 主干上，该方法取得 Algonauts 2025 挑战赛已发表最佳成绩；配合多 LoRA 内核联合训练 200+ 适配模型，集成后在公开赛后榜单排名第一。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。