先了解这件事
2026年2月18日,Zyphra 发布首个基于脑数据训练的基础模型 ZUNA。据 Zyphra Research 介绍,ZUNA 是一个 380M 参数的扩散自编码器,可从有噪声或不完整的头皮 EEG 数据中重建高保真脑信号,并能从稀疏输入和电极坐标预测缺失通道,适配从消费级头戴设备到 256 电极研究系统的多种布局。该模型在更高缩放因子下持续优于 MNE 中实现的球面样条插值这一行业标准方法;在通道丢失超过 75% 时于所有数据集上超越 MNE 默认的球面样条插值,优势随数据退化程度增加而扩大。ZUNA 面向研究人员、临床医生和 BCI 开发者,可恢复部分损坏的 EEG 会话并让低通道设备映射到更高分辨率信号空间。模型以 Apache 2.0 许可开源,权重发布于 Hugging Face,推理与预处理代码发布于 GitHub,并提供 pip install zuna 安装包。目前尚无后续发展事实。
AI 根据公开报道生成
最新进展 · 正式报道
Zyphra 发布 ZUNA：380M 参数 EEG 基础模型推进思维转文本事件进展
1 个已确认进展
- 来源：Zyphra Research
报道与讨论时间线
按时间查看正式报道与传播讨论；两类内容的证据等级保持独立。
2月18日
Zyphra Research一手
Zyphra 发布 ZUNA：380M 参数 EEG 基础模型推进思维转文本
Zyphra 发布 ZUNA，一个 380M 参数的扩散自编码器 BCI 基础模型，用于去噪、重建和上采样头皮 EEG 信号，支持任意通道布局。ZUNA 在通道丢失超过 75% 时于所有数据集上超越 MNE 默认的球面样条插值，优势随数据退化程度增加而扩大。该模型面向研究人员、临床医生和 BCI 开发者，可恢复部分损坏的 EEG 会话并让低通道设备映射到更高分辨率信号空间。
Zyphra Research一手
Zyphra 发布 ZUNA 脑机接口基础模型，推进思维转文本
Zyphra 发布首个基于脑数据训练的基础模型 ZUNA，这是一个 380M 参数的扩散自编码器，可从有噪声或不完整的头皮 EEG 数据中重建高保真脑信号，并能从稀疏输入和电极坐标预测缺失通道，适配从消费级头戴设备到 256 电极研究系统的多种布局。ZUNA 在更高缩放因子下持续优于 MNE 中实现的球面样条插值这一行业标准方法。模型以 Apache 2.0 许可开源，权重发布于 Hugging Face，推理与预处理代码发布于 GitHub，并提供 pip install zuna 安装包。