REVE：在公开 EEG 数据集上的结果

基础模型

REVE：在公开 EEG 数据集上的结果

REVE 是一个预训练 EEG 编码器，发布了 Small、Base 与 Large 三种规模，都在同一份语料上训练，论文附录列出了这份语料：TUH、PhysioNet、OpenNeuro、MOABB 等公开来源，并去掉了作者自己下游任务所用的记录。本站把 Base 与 Large 检查点冻结，接上已发布的岭回归分类头运行；输入先去掉每个片段各通道的均值，这一偏离在评分前就已声明。权重采用 REVE 负责任使用许可，本站已于 2026 年 10 月 4 日接受。

测量所用数据集：ds003810、EEGMAT、BETA、ds006593、TMNRED / ds005383、EESM19 scalp subset、ds005342 · 协议：运动想象与静息、心算与静息、SSVEP · 8 通道、SSVEP · 4 通道、P300 目标 ERP、语义目标 ERP、睡眠分期、空闲与指令

又称 REVE Base · REVE Large · brain-bzh/reve-base · brain-bzh/reve-large

参考文献 REVE, arXiv:2510.21585 ↗

目录状态：已评测 · 官方代码 ↗ · 简介来源 arxiv.org · huggingface.co · huggingface.co · huggingface.co

已发布的结果

按数据集分组。只在组内比较：跨组时任务、队列、随机水平与电极布局都会变。

ds003810 · 第九轮基础模型（编码器冻结）· 运动想象与静息

连同协议阅读：核心矩阵协议：运动想象与静息 · 随机水平 50.0% · foundation-models-mi-rest.csv

REVE Base

66.2% (61.8%–70.6%)

REVE Large

70.2% (64.0%–76.1%)

平衡准确率，2 个配置。 点为估计值，横线为 95% 区间，虚线为随机水平（发布数据中有记录时）。

方法	条件	指标	数值	被试
REVE Base	冻结编码器 + 岭回归分类头	平衡准确率	66.2%61.8%–70.6%	10
REVE Large	冻结编码器 + 岭回归分类头	平衡准确率	70.2%64.0%–76.1%	10

权重条款：REVE 采用 REVE 负责任使用许可 v1.0（模型版本：REVE Base @ dc2a075c · REVE Large @ 317531c7）。任何模型的作者都没有为这些结果背书。全部权重许可与条款 →

EEGMAT · 第九轮基础模型（编码器冻结）· 心算与静息

连同协议阅读：核心矩阵协议：心算与静息 · 随机水平 50.0% · foundation-models-arithmetic-rest.csv

REVE Base

68.8% (64.1%–73.2%)

REVE Large

69.0% (63.3%–74.7%)

平衡准确率，2 个配置。 点为估计值，横线为 95% 区间，虚线为随机水平（发布数据中有记录时）。

方法	条件	指标	数值	被试
REVE Base	冻结编码器 + 岭回归分类头	平衡准确率	68.8%64.1%–73.2%	36
REVE Large	冻结编码器 + 岭回归分类头	平衡准确率	69.0%63.3%–74.7%	36

EEGMAT · 模型适配（第九轮）· 新被试、同一任务、一个固定方案（不是排名）

连同协议阅读：核心矩阵协议：心算与静息 · 随机水平 50.0% · foundation-models-update.json

REVE Base · 冻结编码器 + 训练的分类头

64.0% (60.4%–67.7%)

REVE Base · 秩为 4 的 LoRA + 分类头

66.3% (61.9%–70.7%)

REVE Large · 冻结编码器 + 训练的分类头

65.6% (61.1%–70.1%)

REVE Large · 秩为 4 的 LoRA + 分类头

69.2% (63.4%–74.9%)

平衡准确率，4 个配置。 点为估计值，横线为 95% 区间，虚线为随机水平（发布数据中有记录时）。

方法	条件	指标	数值	被试
REVE Base	冻结编码器 + 训练的分类头	平衡准确率	64.0%60.4%–67.7%1,026 个可训练参数。	36
REVE Base	秩为 4 的 LoRA + 分类头	平衡准确率	66.3%61.9%–70.7%181,250 个可训练参数。	36
REVE Base	LoRA 减冻结 + 分类头，相同被试与折	配对差值（百分点）	+2.3 pp+0.1 pp–+4.6 pp21 人提升、13 人变差、2 人不变。区间不含零。	36
REVE Large	冻结编码器 + 训练的分类头	平衡准确率	65.6%61.1%–70.1%2,434 个可训练参数。	36
REVE Large	秩为 4 的 LoRA + 分类头	平衡准确率	69.2%63.4%–74.9%430,466 个可训练参数。	36
REVE Large	LoRA 减冻结 + 分类头，相同被试与折	配对差值（百分点）	+3.6 pp+0.5 pp–+6.8 pp21 人提升、13 人变差、2 人不变。区间不含零。	36

BETA · 第九轮基础模型（编码器冻结）· SSVEP，8 通道

连同协议阅读：核心矩阵协议：SSVEP · 8 通道 · 随机水平 2.5% · foundation-models-beta-8ch.csv

REVE Base

37.5% (33.3%–41.9%)

REVE Large

52.7% (47.7%–57.8%)

平衡准确率，2 个配置。 点为估计值，横线为 95% 区间，虚线为随机水平（发布数据中有记录时）。

方法	条件	指标	数值	被试
REVE Base	冻结编码器 + 岭回归分类头	平衡准确率	37.5%33.3%–41.9%	70
REVE Large	冻结编码器 + 岭回归分类头	平衡准确率	52.7%47.7%–57.8%	70

BETA · 第九轮基础模型（编码器冻结）· SSVEP，4 通道

连同协议阅读：核心矩阵协议：SSVEP · 4 通道 · 随机水平 2.5% · foundation-models-beta-4ch.csv

REVE Base

25.5% (22.4%–28.8%)

REVE Large

46.4% (41.7%–51.2%)

平衡准确率，2 个配置。 点为估计值，横线为 95% 区间，虚线为随机水平（发布数据中有记录时）。

方法	条件	指标	数值	被试
REVE Base	冻结编码器 + 岭回归分类头	平衡准确率	25.5%22.4%–28.8%	70
REVE Large	冻结编码器 + 岭回归分类头	平衡准确率	46.4%41.7%–51.2%	70

ds006593 · 第九轮基础模型（编码器冻结）· P300 目标 ERP

连同协议阅读：核心矩阵协议：P300 目标 ERP · 随机水平 50.0% · foundation-models-p300-target.csv

REVE Base

50.5% (48.5%–52.3%)

REVE Large

54.6% (52.7%–56.5%)

平衡准确率，2 个配置。 点为估计值，横线为 95% 区间，虚线为随机水平（发布数据中有记录时）。

方法	条件	指标	数值	被试
REVE Base	冻结编码器 + 岭回归分类头	平衡准确率	50.5%48.5%–52.3%	21
REVE Large	冻结编码器 + 岭回归分类头	平衡准确率	54.6%52.7%–56.5%	21

TMNRED / ds005383 · 第九轮基础模型（编码器冻结）· 语义目标 ERP

连同协议阅读：核心矩阵协议：语义目标 ERP · 随机水平 50.0% · foundation-models-semantic-target.csv

REVE Base

53.7% (51.8%–55.4%)

REVE Large

59.7% (57.5%–61.8%)

平衡准确率，2 个配置。 点为估计值，横线为 95% 区间，虚线为随机水平（发布数据中有记录时）。

方法	条件	指标	数值	被试
REVE Base	冻结编码器 + 岭回归分类头	平衡准确率	53.7%51.8%–55.4%	30
REVE Large	冻结编码器 + 岭回归分类头	平衡准确率	59.7%57.5%–61.8%	30

EESM19 scalp subset · 第九轮基础模型（编码器冻结）· 睡眠分期

连同协议阅读：核心矩阵协议：睡眠分期 · 随机水平 20.0% · foundation-models-sleep-scalp.csv

REVE Base

74.6% (72.9%–76.4%)

REVE Large

76.6% (75.2%–78.0%)

平衡准确率，2 个配置。 点为估计值，横线为 95% 区间，虚线为随机水平（发布数据中有记录时）。

方法	条件	指标	数值	被试
REVE Base	冻结编码器 + 岭回归分类头	平衡准确率	74.6%72.9%–76.4%	20
REVE Large	冻结编码器 + 岭回归分类头	平衡准确率	76.6%75.2%–78.0%	20

ds005342 · 第九轮基础模型（编码器冻结）· 空闲与指令

连同协议阅读：核心矩阵协议：空闲与指令 · foundation-models-idle.csv

方法	条件	指标	数值	被试
REVE Base	冻结编码器 + 线性分类头	检出的指令 ≤3 秒	12 / 600 名始终拒识（共 4 名被试）。	4
REVE Base	冻结编码器 + 线性分类头	空闲误触发	1 / 60	4
REVE Large	冻结编码器 + 线性分类头	检出的指令 ≤3 秒	6 / 602 名始终拒识（共 4 名被试）。	4
REVE Large	冻结编码器 + 线性分类头	空闲误触发	1 / 60	4

全部方法 → · 全部数据集 →

检查点、输入与条款

按第九轮发布的记录列出运行了什么：每个检查点的版本与 SHA-256、编码器参数量、它的各行附带的脚注，以及权重许可。没有保留或分享任何权重、适配后的权重或 LoRA 增量，也不代表模型作者的认可。

REVE Base

所在面板: 在每个协议页面上，列在核心矩阵旁边的一行
编码器参数量: 69.19M
版本: brain-bzh/reve-base @ dc2a075c
检查点 SHA-256: 8ecc650619598748286c2457f81f5c6bd12e8bb59db44f7b02af1955c44de8fe
论文: 论文 ↗
权重许可: REVE 负责任使用许可 v1.0（站点所有者于 2026-10-04 批准）REVE Responsible Use License v1.0 (owner-approved 2026-10-04)
许可说明: REVE 负责任使用许可 v1.0：只发布聚合的科学结果；不做重新识别、模型反演、成员推断或未经同意的画像分析；引用 REVE 论文并写明模型版本；不分享任何适配后的权重。REVE Responsible Use License v1.0: aggregate scientific results only; no re-identification, model inversion, membership inference or non-consensual profiling; cite the REVE paper and name the model version; no adapted weights shared.
权利审查: 站点所有者于 2026-10-04 接受。只发布聚合的科学结果；不做重新识别、模型反演、成员推断或未经同意的画像分析；引用了 REVE 论文并写明模型版本；不分享任何适配后的权重。Accepted by the owner on 2026-10-04. Aggregate scientific results only; no re-identification, model inversion, membership inference or non-consensual profiling; the REVE paper is cited and the model version named; no adapted weights are shared.
各行脚注: 输入在已发布的 /100 缩放之前，先去掉每个片段各通道的均值（评分前已声明）；不去均值的敏感性分析中，P300 的得分高 0.71、睡眠低 1.40（单位：百分点）。Input removes the per-segment per-channel mean before the published /100 scaling (declared before scoring); a no-mean-removal sensitivity run scores P300 0.71 percentage points higher and sleep 1.40 lower.
说明: REVE 的输入去掉了每个片段各通道的均值（评分前已声明；已发布的 LaBraM/CBraMod 行没有这样做）；不去均值的敏感性分析见该行脚注。REVE input removes the per-segment per-channel mean (declared before scoring; the published LaBraM/CBraMod rows did not); a no-mean-removal sensitivity run is stated in the row footnote.
EEGMAT 适配: 已运行：在冻结编码器上训练分类头，对比秩为 4 的 LoRA，3 个随机种子。

REVE Large

所在面板: 在每个协议页面上，列在核心矩阵旁边的一行
编码器参数量: 389.98M
版本: brain-bzh/reve-large @ 317531c7
检查点 SHA-256: f519428404aab27f7db816722c7fb8c73d08daf10986c9c21b0066be9e93bb31
论文: 论文 ↗
权重许可: REVE 负责任使用许可 v1.0（站点所有者于 2026-10-04 批准）REVE Responsible Use License v1.0 (owner-approved 2026-10-04)
许可说明: REVE 负责任使用许可 v1.0（同 REVE Base）。REVE Responsible Use License v1.0 (as REVE Base).
权利审查: 站点所有者于 2026-10-04 接受。只发布聚合的科学结果；不做重新识别、模型反演、成员推断或未经同意的画像分析；引用了 REVE 论文并写明模型版本；不分享任何适配后的权重。Accepted by the owner on 2026-10-04. Aggregate scientific results only; no re-identification, model inversion, membership inference or non-consensual profiling; the REVE paper is cited and the model version named; no adapted weights are shared.
各行脚注: 输入先去掉每个片段各通道的均值（评分前已声明）；不去均值的敏感性分析中，P300 的得分低 2.06、睡眠低 0.93（单位：百分点）。Input removes the per-segment per-channel mean (declared before scoring); the no-mean-removal sensitivity run scores P300 2.06 percentage points lower and sleep 0.93 lower.
说明: REVE 的输入去掉了每个片段各通道的均值（评分前已声明）；不去均值的敏感性分析见该行脚注。REVE input removes the per-segment per-channel mean (declared before scoring); a no-mean-removal sensitivity run is stated in the row footnote.
EEGMAT 适配: 已运行：在冻结编码器上训练分类头，对比秩为 4 的 LoRA，3 个随机种子。

是否出现在预训练数据中（按数据集）

每个核心数据集是否在模型作者公开的预训练数据清单中，于 2026-10-04 核查并附来源。不在清单中并不证明它的记录从未被模型见过；核查只到数据集一级，没有核对到具体记录。

REVE Base · REVE Large

数据集	协议	情况	来源
ds003810 Motor Imagery vs Rest (low-cost EEG; Peterson et al.)	运动想象与静息	不在作者公开的预训练数据清单中（2026-10-04 核查）	来源 ↗ · 来源 ↗
EEGMAT (PhysioNet EEG During Mental Arithmetic Tasks; Zyma et al. 2019)	心算与静息	不在作者公开的预训练数据清单中（2026-10-04 核查）	来源 ↗
ds006593 cBCI Matrix Multimodal Dataset (Celik et al.)	P300 目标 ERP	不在作者公开的预训练数据清单中（2026-10-04 核查）	来源 ↗ · 来源 ↗
ds005383 TMNRED (Bai et al. 2025, Sci. Data 12:701)	语义目标 ERP	不在作者公开的预训练数据清单中（2026-10-04 核查）	来源 ↗ · 来源 ↗
EESM19 Ear-EEG Sleep Monitoring 2019 (OpenNeuro ds005185; Mikkelsen et al.)	睡眠分期	不在作者公开的预训练数据清单中（2026-10-04 核查）	来源 ↗ · 来源 ↗
BETA 40-target SSVEP (Liu et al. 2020, Front. Neurosci. 14:627)	SSVEP · 8 通道 · SSVEP · 4 通道	不在作者公开的预训练数据清单中（2026-10-04 核查）	来源 ↗ · 来源 ↗ · 来源 ↗
ds005342 EEG offline/online MI for standing and sitting (Triana-Guzman et al.)	空闲与指令	不在作者公开的预训练数据清单中（2026-10-04 核查）	来源 ↗ · 来源 ↗ · 来源 ↗

核查说明： REVE 论文的表 7 统计了 27 个 MOABB 数据集，但只点名了 25 个（加上开放子集的数据卡为 26 个）；未点名的那一个不可能是 BETA 或 ds005342，因为 MOABB 直到 2026 年三月才加入这两个数据集的加载器。REVE's Table 7 counts 27 MOABB datasets but names 25 (26 with the open-subset card); the unnamed slot cannot be BETA or ds005342 because MOABB added those loaders only in March 2026.

引用本页

BCI Report. REVE：在公开 EEG 数据集上的结果[EB/OL]. (2026-10-04). https://bci.report/zh/methods/reve/

数字来自发布 foundation-models-update-20261004（2026-10-04）。也请同时引用上游数据集：每个数据集页面都写明了署名。

每个发布版本都在 Zenodo 存档：doi:10.5281/zenodo.23123296。本站及各次发布的 BibTeX → · CITATION.cff ↗（英文）