# 发布归档

发布记录

最新的在前：每一批经过审核的发布新增和暂缓了什么，以及所附每个文件的 SHA-256。

[暂缓登记册](https://bci.report/zh/releases/#holds)与[更正](https://bci.report/zh/releases/#corrections)在发布记录页。

2026 年 10 月 28 日 `open-register-update-20261028`

开放登记册的一份新的带日期文件，共 535 行：数据集 487 行，模型 48 行。数据质量页面上从头到尾核过的四个数据集成为本站的条目，处在数据集登记的第 4 步，各自并入其 MOABB 记录：Kim beta 频段 SSVEP 与 MIND 的结果已发布，Damm 手指运动想象与 NeBULA 的分数暂缓。在试点研究页面上计算过分数的三个模型进入模型登记的第 4 步：NeuroRVQ、EEG-Captioner 与 AXON。另有五个模型依据其论文列入第 1 步，各附暂缓原因：BandVQ、EEG-PRIME、FAME、STST-JEPA 与 USE-FM。open-register-20261020.json 按原有字节继续提供。

**页面** [开放登记册 · 数据集](https://bci.report/zh/datasets/register/) · [开放登记册 · 模型](https://bci.report/zh/methods/register/) · [方法](https://bci.report/zh/methods/)

**说明** Kim beta 频段 SSVEP：条目链接到它的数据集页面和数据质量页面上的案例，暂缓的是输出依赖幅值的模型，取代其 MOABB 记录原有的刺激起始时间暂缓。MIND：两种许可并列（CC BY 4.0、CC BY-NC 4.0），第 3 步缺原始条款与固定版本。Damm 手指运动想象：第 3 步缺权利审查与知情同意或伦理声明。NeBULA：Figshare 记录，只有一个版本，第 3 步没有缺口。

**说明** NeuroRVQ、EEG-Captioner 与 AXON：各自链接到试点研究页面上的那一栏，没有方法页面；三者是否出现在预训练数据中都是未知的。各部分条款：NeuroRVQ：代码 CC BY-NC 4.0，权重 CC BY-NC 4.0；EEG-Captioner：代码 MIT，权重 Apache-2.0；AXON：模块代码 Apache-2.0、项目代码 BSD-3-Clause，权重 Apache-2.0。BandVQ、EEG-PRIME、FAME、STST-JEPA 与 USE-FM：各自链接到论文；EEG-PRIME 暂缓，因为其代码仓库无法访问，其余四个暂缓，因为没有找到官方发布的代码或权重。不发布：为部分条目起草的登记册用途说明，仍只在内部；NeuroRVQ 检查点的第三方转换版本。

**审核清单 SHA-256** `c187617c0529598213cadca9d24d498dc786216599a69a118ff6ba944af2d282`

| 文件 | 大小 | 所提供文件的 SHA-256 |
| --- | --- | --- |
| [open-register-20261028.json](https://bci.report/data/open-register-20261028.json) | 969.5 KiB | `0df2dc782a1bcbb6844cba8f66185f2cbd3d5e98fc9d8ca580672585d0d78bff` |
| [open-register-20261028.csv](https://bci.report/data/open-register-20261028.csv) | 40.0 KiB | `c499d614dd3999c7679cc2f7e5701e0e93f20fdefebc7c23707b49ec632432c5` |

2026 年 10 月 28 日 `ssvep-followups-update-20261028`

解码器没训练过的 SSVEP 频率又有七项后续检验，作为同一问题页的第 8 至 14 张卡片，每项都读自各自经审计的聚合结果：互谱一轮的结果，取代第 8 张卡片原来的状态说明；特征值合并；谐波合并（BETA 与 Wearable-102）；更短时间窗、更少电极下的滤波器组 CCA；谐波之间的差距；谐波的固定衰减权重；以及递增的谐波权重。七项都使用第三条路线的 BETA 队列（70 名被试），其中四项也在 Wearable-102 的干、湿两种头带上运行（102 名被试）。已见频率与留出频率是两项任务，并列报告；每种设置旁边都有不需要训练的对照。每张卡片各有自己的区间方法：第 12 张卡片的主要比较族对 9 个比较做了 Bonferroni 校正，第 13 张卡片的界值检验用 90% 区间，其余区间都没有校正。第 11 张卡片附 CPU 计时：各组件在预热后单线程测得，从不相加，也不是从传感器到决策的延迟。

**页面** [没见过的 SSVEP 频率](https://bci.report/zh/topics/new-ssvep-frequencies/)

**说明** 在留出频率 8 选 1 的任务上，用 2 秒时间窗、8 个电极，不需要训练的滤波器组 CCA 达到 90.21%，同一批时间窗上的 CCA 为 80.90%（+9.31 pp，+6.84 至 +11.71；70 名被试）。学习得到的特征值分类头与不需要训练的谐波求和相差 +0.07 pp（−0.45 至 +0.62）。第三条路线的“用语言提问”页面在同一任务上运行另一种滤波器组方案，用 5 个 Butterworth 子带。

**说明** BETA 沿用其已发布的记录：CC BY 4.0，只发布队列聚合结果，被试知情同意所述的用途为非商业科学研究。Wearable-102 沿用其已发布的记录：CC BY 4.0，只发布队列聚合结果。滤波器组 CCA 归功于 Chen 等人 2015 年的方法；实际运行的是本项目自己用 SciPy 实现的代码，不分发任何代码或权重。本文件的第 8 张卡片取代 new-ssvep-frequencies-update.json 中它的状态说明；那个文件保持原有字节。

**说明** 不发布：逐人、逐折、逐轮换、逐随机种子、逐时间窗与逐频率的任何数值，预测、分数、特征、拟合好的分类头与封存的运行文件；互谱一轮各随机种子的准确率、金丝雀检查与随机配对的准确率；固定衰减的回溯比值表；除谐波差距那张卡片的比例之外的全试次判定计数，以及那张卡片的 Delta 均值与干扰项余量；整轮评测与审计的运行时间、内存、CPU 时间读数，以及任何主机、处理器、系统与运行环境的标签；评论串对这几张卡片的预测；评论者的名字；以及交接文件、协议、冻结记录、回执、审核与批准记录本身——其中几份含有私有存储路径，只在发布清单中以哈希固定。

**审核清单 SHA-256** `481fefa22dac4febdce98935fe31c432ff8d438d3217dcc46fbd765275f005a3`

| 文件 | 大小 | 所提供文件的 SHA-256 |
| --- | --- | --- |
| [ssvep-followups-update.json](https://bci.report/data/ssvep-followups-update.json) | 317.0 KiB | `e147f2f0bb0babf103a138aeab9cf9a59c0bd153bad477cc0a193907253ddbb5` |

2026 年 10 月 28 日 `neurorvq-update-20261028`

试点研究页面上单独的一栏，不计入试点数量，也不进入任何排行榜：NeuroRVQ 发布的主干保持冻结，用一个固定的岭回归分类头读取，用于三项现有任务：EEGMAT 的心算与静息（36 名被试，2,160 个两秒时间窗）、ds003810 上的运动想象对静息（10 名被试，1,200 个时间窗），以及 ds006593 上的 P300 目标对非目标（21 名被试，2,520 个一秒分段），各 5 折、整名被试留出，不调任何参数。每项任务都把主干的 800 维池化值与同一批时间窗的简单特征并列，各给出按被试平均的平衡准确率与宏平均 F1，以及一个配对差值及其被试 bootstrap 区间。三个协议页面上各有一条指向它的链接，不带任何数字；核心矩阵的各行保持不变。

**页面** [试点研究](https://bci.report/zh/topics/pilot-studies/)

**说明** NeuroRVQ 减其对照，以平衡准确率的百分点计：EEGMAT 上为 +1.53（−3.52 至 +6.67），对照是频带功率：区间跨过零，所以既不能说明哪一方更好，也不能说明两者等效；运动想象上为 −15.25（−20.17 至 −10.25），P300 上为 −3.57（−5.56 至 −1.51），对照都是时域均值，两者都在零以下。是否出现在预训练数据中：未知。这三个数据集都不在论文列出的 13 个预训练语料中（其中 1 个是私有的）。没有随机初始化的对照组，所以这一栏不能说明预训练的作用。作者的推理封装不能严格加载（缺少 8 个归一化张量），所以实际运行的是发布的主干，各分支用无参数的归一化，并对词元取均值池化。

**说明** NeuroRVQ 的代码与权重均为 CC BY-NC 4.0，即两个仓库在固定版本下的许可文件；只发布聚合数字，不分发任何权重，也不代表 NeuroRVQ 作者的认可。EEGMAT、ds003810 与 ds006593 沿用其已发布的记录。没有运行：语义目标（仍缺少原始校准证据）、4 通道 BETA（物理单位与参考电极尚未厘清）、8 通道 BETA（物理单位尚未厘清，模型的通道列表中也没有 PO5 与 PO6）、空闲（缺少输入，且需要自己的校准、阈值与划分方案）、睡眠（推迟到单独的研究）。不发布：任何逐人、逐折与逐时间窗的数值，折的分配、标识、标签、提取的数值、拟合好的分类头、预测与封存文件；每一组有多少人得分高于 50%；各组的区间与宏平均 F1 的差值——都没有计算；实测的计算量；检查点与作者的源代码；第三方对检查点的转换及其所带的许可标签；以及交接文件、协议、配置、回执与审核记录本身——其中几份含有私有存储路径，只在发布清单中以哈希固定。

**审核清单 SHA-256** `876311164c20374afa7c085710df03877a31d778e3e88e33028888127d898391`

| 文件 | 大小 | 所提供文件的 SHA-256 |
| --- | --- | --- |
| [neurorvq-update.json](https://bci.report/data/neurorvq-update.json) | 31.4 KiB | `6ae57314d029016cc5934d7c24d8330f33b9afeaf82ff4380f9c4fae38e5f24d` |

2026 年 10 月 28 日 `eegmat-ten-second-update-20261028`

试点研究页面上另一个单独的一栏，不计入试点数量，也不进入任何排行榜：两个冻结编码器，用于 EEGMAT 心算与静息的十秒时间窗（36 名被试，72 段记录，432 个时间窗，5 个被试不重叠的折），各用一个固定的岭回归分类头读取，并与同一批时间窗上的 Welch 频带功率比较，各占一小节：EEG-Captioner 的编码器（256 维；只运行了编码器，没有生成描述）与 AXON（512 维）。各给出按被试平均的平衡准确率，以及一个配对差值及其被试 bootstrap 区间；每个分数旁边都注明：432 个时间窗中有 0 个符合 EEG-Captioner 来源的标注质量控制规则。不计算两个编码器之间的差值；这一栏与本站的两秒时间窗结果分开。

**页面** [试点研究](https://bci.report/zh/topics/pilot-studies/)

**说明** EEG-Captioner 的编码器达到 65.74%，同一次运行中拟合的 Welch 频带功率为 67.59%（−1.85 pp，−9.03 至 +4.86）。AXON 达到 70.14%，对照是同一组频带功率预测，没有重新拟合，归一化与参数量都没有匹配（+2.55 pp，−5.79 至 +10.42）。两个区间都跨过零。AXON 自己的数值输入检查在 432 个时间窗中通过了 432 个；这与来源的质量控制是两回事，后者按整段记录标记（72 段中标记了 72 段），并不说明每个时间窗都有伪迹。AXON 是在 EEG-Captioner 与 Welch 的结果已知之后运行的；静息在心算之前记录；这些数据是否出现在两个编码器的预训练数据中，都是未知的。

**说明** EEGMAT 沿用其已发布的记录：Open Data Commons Attribution License 1.0，只发布聚合结果。EEG-Captioner 的源代码为 MIT 许可。EEG-Captioner 编码器的权重按其 Hugging Face 权重元数据为 Apache-2.0。AXON 的检查点按其 Hugging Face 许可标签为 Apache-2.0；它在 Braindecode 中的模块带有逐文件的 Apache-2.0 条款，所在项目为 BSD-3-Clause。不分发任何权重，也不代表两个模型作者的认可。不发布：任何逐人、逐折与逐时间窗的数值，折的分配、标识、特征、拟合好的分类头、预测与封存文件；混淆矩阵与合并计算的宏平均 F1；来源质量控制除总数之外的细分；前向计算次数、分类头拟合次数、CPU 与实际耗时以及内存；两个编码器之间的差值；AXON 的论文出处，核实之前不引用；检查点与权重——其 SHA-256 只用于标识文件，不授予任何权利；以及交接文件、协议、批准、审核、审计与回执本身——其中几份含有私有存储路径，只在发布清单中以哈希固定。

**审核清单 SHA-256** `3f22f09009af5b2dd989504f21c6776b1c2b38b9a559ed4a6d9257219918cd0f`

| 文件 | 大小 | 所提供文件的 SHA-256 |
| --- | --- | --- |
| [eegmat-ten-second-update.json](https://bci.report/data/eegmat-ten-second-update.json) | 22.9 KiB | `b26e1934e8569ac8de8f51f815dad1dcc74a0734f9090b5e2a70572ea1cc5fe0` |

2026 年 10 月 28 日 `dataset-checks-update-20261028`

数据质量页面上又有四个公开 EEG 数据集从头到尾核了一遍，都从各自的文件读起。Kim beta 频段 SSVEP 是完整的案例：在全部 40 名被试上运行不需要训练的 CCA（9,600 个试次，40 个目标，14.0 至 21.8 Hz），并有自己的数据集页面。MIND 是以记录编号为单位的有条件案例：在两对存储编码上运行 CSP + LDA，与按位置查表的对照和多数类对照并列，附记录编号重抽样范围与标签排程的事实。Damm 手指运动想象与 NeBULA 是单人状态案例：只给设计、计数与文件事实，所有分数暂缓。单人规则在页面上只说一次，放在 eldBETA、Damm 与 NeBULA 之前。

**页面** [从头核到尾](https://bci.report/zh/topics/data-quality/)

**说明** Kim：按被试平均的准确率为 53.40%（45.89% 至 61.01%），随机水平为 40 选 1；幅值按存储原样，输出依赖幅值的模型暂缓。MIND，主面板 28 个记录编号、3,360 个试次：CSP + LDA 在存储编码 4/5 上为 56.96%，在 6/7 上为 51.85%，多数类对照为 50.00%；按位置查表的对照低于多数类对照，是因为每一对编码只遵循两种互补的 20 试次标签排程之一。记录编号并非核实过的人。Damm：五个手指共 150 个实际呈现的提示，62 个头皮通道。NeBULA：89 个实际进行的试次，127 个 EEG 通道，EMG 文件有 11 行通道，而元数据写的是 16。

**说明** 许可来自各自的记录：Kim 为 CC BY 4.0（Figshare 28806815，研究所用的第 3 版；论文引用的是第 2 版，同样为 CC BY 4.0）；MIND 的 CC BY 4.0 与 CC BY-NC 4.0 并列给出：论文与压缩包中的数据集说明写的是前者，MOABB 适配器与 ScienceDB 记录的元数据写的是后者，ScienceDB 的使用条款页面没有读取；Damm 按其数据集说明为 CC0，而其 README 提到的 LICENSE 文件并不在仓库中；NeBULA 为 CC BY 4.0（Figshare 27301629），论文自己的许可只涵盖文章本身。Kim、MIND 与 NeBULA 的论文都写明了伦理批准与知情同意，MIND 的论文没有写出伦理委员会的名称；Damm 的数据集说明写明了伦理批准，没有找到知情同意声明。不发布：逐人、逐记录编号、逐折、逐 run 与逐试次的数值，标识、特征、拟合好的模型、预测与原始信号；Damm 与 NeBULA 的任何分数，以及 NeBULA 的顺序诊断与其 EEG 或 EMG 组之间的任何比较；MIND 合并计算的指标、混淆矩阵、次要面板的排程统计与模型拟合次数；Kim 的逐被试准确率；计算量、主机与存储位置；以及研究聚合文件、审计、审核、协议与交接文件本身——其中几份含有私有存储路径，只在发布清单中以哈希固定。

**审核清单 SHA-256** `fce3cacdbf811855fd224a4704c392becf8829673b6967826a558ece8cbe6202`

| 文件 | 大小 | 所提供文件的 SHA-256 |
| --- | --- | --- |
| [dataset-checks-update.json](https://bci.report/data/dataset-checks-update.json) | 52.2 KiB | `80c504fed02f4aadad33ee5c3151a54a16ac3f4b09ddae3f1805c9073184104d` |

2026 年 10 月 20 日 `open-register-update-20261020`

开放登记册：我们知道的每个 EEG 数据集、关注的每个 EEG 模型与论文，各自核验到了哪一步、那一步看到了什么，共 527 行（数据集 487 行，模型 40 行）。两条核验序列，各有自己的步骤名称：数据集依次为已列出、已读取、已追溯、在本站运行、进入核心矩阵；模型依次为已识别、已记录条款、已检查文件、在本站评分、进入核心矩阵。每一行都保留每一步的证据——通过、缺口或不适用，并注明出处——所以一行所处的步骤，就是证据已在案的最远一步，缺口也一直可见。数据集分五组：Hugging Face 上含脑信号数据的上传，来自冻结的一次检索快照（28 个检索词与 20 个标签筛选，于 2026 年 10 月 19 日 UTC 14:23 读取：1,922 条列表，其中 737 条是 EEGDash 镜像，另有 368 个上传在收录范围内）；EEGDash 上的 OpenNeuro 镜像，合为一个系列行；本站自己的数据集；MOABB 1.7.2 版的目录，每个原始记录一行（206 个加载器对应 158 个记录，其中 18 个并入本站的行）；以及需要签署协议或提出申请的语料，附从来源页面存档的访问条款。任何数据集都可以列在这里；分数表照旧按自己的规则。

**页面** [开放登记册 · 数据集](https://bci.report/zh/datasets/register/) · [开放登记册 · 模型](https://bci.report/zh/methods/register/) · [数据集](https://bci.report/zh/datasets/) · [方法](https://bci.report/zh/methods/)

**说明** 登记册上只说一次的规则：需要授权才能获取的数据，或需要签署、申请协议的数据，除非我们接受其条款，否则停留在第 1 步；疑似转传的数据无论是否需要授权都停留在第 1 步，只按元数据比对，不下载任何文件；关于转传的发现，只有经独立核查确认、并有原始条款页面的存档为据时才会写出，而且只用陈述事实的措辞：某个上传与另一来源的元数据一致，或其声明的条款与原始条款不同；每一行只陈述事实；每一行都有更正途径，即一封写明该行编号的邮件。CSV 不含任何发现，发现都在 JSON 里。仓库编号与用户名只出现在行的正文里，从不出现在链接或锚点中；同一上传者的一系列仓库合为一个系列行；不显示数据卡片原文、下载次数与修改日期。

**说明** 登记册现在也列出那些读者无从运行的数据源，例如 L-FAME（CC BY-NC 4.0），因为它记录的是核验过什么。之后每一版登记册都是一个新的带日期的文件和一次新的发布；这个文件会继续提供下载，并保留在列表中。

**审核清单 SHA-256** `e72bbccb44930f7d1072d4d9fcc39c773f558e0b37d778a0092faa3019bfc622`

| 文件 | 大小 | 所提供文件的 SHA-256 |
| --- | --- | --- |
| [open-register-20261020.json](https://bci.report/data/open-register-20261020.json) | 939.1 KiB | `c131c470df881e51389aca58d17ec3c0ac37eb4244c082ff7ffe20582b77d558` |
| [open-register-20261020.csv](https://bci.report/data/open-register-20261020.csv) | 39.4 KiB | `aef5cffcac9fa23b14a0276ee0a8d9cb79aecf1d0f81eb95613f7d7874b7a9fe` |

2026 年 10 月 20 日 `new-ssvep-frequencies-update-20261020`

第三条路线关于“解码器没训练过的 SSVEP 频率”的后续检验，放在一个新的问题页上：七项经审计的研究，回答一位读者在 Hugging Face 的评论中提出的问题。其中六项沿用第三条路线的 BETA 队列与数据划分（70 名被试，7 个被试折 × 5 种频率轮换，32 个已见频率与 8 个留出频率；训练的分类头各跑 3 个随机种子），每项检验一个想法：用参考谱来提问；是分类头、频谱还是提问方式；带相位查询上的随机延迟；幅度查询下的随机相位斜坡；CCA 的领先从哪里来；以及在 CCA 之上加一个有界的学习修正。第七项把这个修正的模型原样用在 Wearable-102 的干、湿两种头带上（102 名被试）。每张卡片依次给出问题、改了什么、匹配的对照、结果与局限；每个区间都是该项研究自己的区间，没有做多重比较校正。互谱一轮只有一张没有数字的状态卡，那一轮将作为单独的发布上线。

**页面** [没见过的 SSVEP 频率](https://bci.report/zh/topics/new-ssvep-frequencies/)

**说明** 在训练时留出的频率上，时域 CCA 加一个小的学习修正，8 选 1 达到 86.15%，CCA 单独为 80.90%（+5.24 pp，3.91 至 6.62；70 名被试）。同一批模型原样用于 Wearable-102，相对 CCA 的变化为干电极 +0.07 pp（−0.71 至 0.91）、湿电极 −0.61 pp（−1.48 至 0.23）。读参考谱或刺激相位的学习型分类头远低于 CCA。

**说明** BETA 沿用其已发布的记录：CC BY 4.0，只发布队列聚合结果，被试知情同意所述的用途为非商业科学研究。Wearable-102 沿用其已发布的记录：CC BY 4.0，只发布队列聚合结果。冻结的 CBraMod 特征就是第三条路线所用的那一份，不分发任何权重。其中一种查询所用的刺激相位，取自 BETA 作者的更正说明，读自 Hugging Face 镜像 Bingchuan/BETA 的一个固定版本。Wearable-102 的文档无法排除其中部分被试也出现在 BETA 中。

**说明** 不发布：逐人、逐折、逐轮换、逐随机种子、逐时间窗与逐频率的任何数值，预测、分数、特征、拟合好的分类头与封存的运行文件；修正模型各随机种子的准确率，以及裁剪谱匹配加修正那一组的判定转变；Wearable-102 上相对裁剪谱核查的对比；评论者的名字；实测的计算量；以及交接文件、协议、冻结记录、回执与审核记录本身——其中几份含有私有存储路径，只在发布清单中以哈希固定。

**审核清单 SHA-256** `54cc10869787ca8af1b9bff5e7306eadc5bb1e5c277f27ae95c8f1127702981a`

| 文件 | 大小 | 所提供文件的 SHA-256 |
| --- | --- | --- |
| [new-ssvep-frequencies-update.json](https://bci.report/data/new-ssvep-frequencies-update.json) | 212.3 KiB | `197028bdc4dadd9713f6d408bb64204147fdfe39a686e7e119e4988aaf863ee0` |

2026 年 10 月 20 日 `data-quality-update-20261020`

一个新的问题页：把公开 EEG 数据集从头到尾核一遍，文件里能看到什么？三个公开数据集，都从各自的文件读起。Shin2022 是完整的案例：在 10 名被试上做整名被试留出的诊断，共三个组（按被试等权的训练集先验、在光标反馈第一秒上的归一化 spectral ridge，以及只读反馈时长的回溯对照）；评分所用的是信号有效的时间窗，由覆盖链从发布中的 run 一路清点而来。eldBETA 与 ZuCo 2.0 是没有分数的状态案例：eldBETA 一名被试的记录，只给计数；ZuCo 2.0 一个转换后记录的时间问题，暂缓。

**页面** [从头核到尾](https://bci.report/zh/topics/data-quality/)

**说明** Shin2022：发布中有 9 对 run 逐字节相同，所以文件里实际是 101 个不同的 run；另有一个不完整的 run 整个暂缓。在信号有效的时间窗上，归一化 spectral ridge 按被试平均的平衡准确率为 52.59%（51.51–53.66），时长对照为 52.33%（50.87–54.02），训练集先验为 50.00%。分数只覆盖信号有效的时间窗：反馈至少持续一秒，且第一秒在全部 16 个通道上都是有限值、1–40 Hz 功率为正。标签是闭环光标记录中指示的目标，带有视觉、控制器与行为上的混杂。时长对照读的是整段反馈时长，要到试次结束才知道，所以它检验的是一个混杂；频谱这一组与它相差无几，组间没有做检验。10 名被试，每人一个记录日；区间是描述性的。目录中 6 秒的试次时长，是每个 run 的文件头都设定的反馈上限（MaxFeedbackDuration）。

**说明** eldBETA：从原始记录读起的流程，在一名被试的 7 个组块上从头到尾跑通：全部 63 个试次都通过了读取与质量检查，没有一个被剔除。连续记录中，分析时间窗之外有 248,320 个非有限值，按记录原样保留。只有一个人时，任何分数都是这个人的分数，所以准确率按所有者的决定暂缓。读取时应用了文件头中的定标，没有使用派生的 MATLAB 分段。ZuCo 2.0：在 NEMAR 上一个转换后的记录中，有些注视时间落在记录之外，所以在转换程序的时间规则与带源校验和的测试样例具备之前，不计算任何 EEG–文本分数。

**说明** 许可来自各自的记录：Shin2022 为 CC BY 4.0（Figshare 20383716），eldBETA 为 CC BY 4.0（Figshare 18032669），ZuCo 2.0 按其 NEMAR 数据集说明为 CC-BY-4.0，OSF 上的原始条款与刺激所引文本片段的条款尚未核实。Shin2022 的论文写明了批准研究的伦理委员会，并说明被试签署了书面知情同意；eldBETA 的数据描述论文给出了伦理批件编号，并说明被试签署了书面同意；ZuCo 2.0 在本次发布中没有读到知情同意或伦理声明。不发布：任何形式的逐被试数据与原始信号；Shin2022 的逐被试数字、反馈时长的分布与逐通道的普查计数；eldBETA 那一名被试的准确率及其对照；ZuCo 2.0 转换后记录的编号、时间数值与标记计数；计算量；以及研究导出文件、审计、审核、协议与交接文件本身——其中几份含有私有存储路径，只在发布清单中以哈希固定。MOABB 目录中 Shin2022 的计数，作为发现写在开放登记册中它的那一行。

**审核清单 SHA-256** `57d38a4f89486fec7edce50825d7ac977af25cfae035bb9bda9a6393aca4e005`

| 文件 | 大小 | 所提供文件的 SHA-256 |
| --- | --- | --- |
| [data-quality-update.json](https://bci.report/data/data-quality-update.json) | 27.9 KiB | `fbfb8fb59dc80397d0c4331a3067cf640b27522af6687dd5b3132c8f4e928bda` |

2026 年 10 月 20 日 `clinical-iesseeg-update-20261020`

临床分组页面上新增的一节，有自己的问题：EEG 病例对照结果经得起年龄与采集设置校正吗？IESSEEG 是一个公开的婴儿 EEG 数据集（100 名被试：50 例婴儿癫痫性痉挛综合征病例与 50 名对照，每人一分钟清醒期记录），使用发布者给出的 5 个被试不重叠的折：六个使用或不使用 EEG 的组，包括只用年龄的对照、只用采集设置的对照，以及在每个训练折内回归掉年龄后的 EEG；另有四个组用同样的分类头读冻结的 NeuroLM 特征。给出平衡准确率与 AUROC 的折外点估计，每个组两项都列出，分别针对全部被试与 2 岁及以下的 68 名被试。该页面关于帕金森病的问题、简答与卡片保持原有措辞；IESSEEG 不新增数据集页面，也不计入任何计数。

**页面** [临床分组](https://bci.report/zh/topics/clinical-groups/)

**说明** 折外点估计；事先没有指定区间或检验。每人一段清醒期记录，取前 60 秒。两组之间年龄与采集设置不同；回归掉年龄是一项敏感性分析。分类头与每一个分数都经过独立复现；NeuroLM 特征本身没有用第二套实现重新提取。NeuroLM 的预处理与频谱流程不同：两段 2,000 Hz 的记录先重采样到 200 Hz，再做 0.1–75 Hz 带通、50 与 60 Hz 陷波并除以 100，所以两条流程之间的差异混合了预处理与模型结构。检查点的训练阶段，以及它此前是否接触过这些被试，都是未知的。

**说明** IESSEEG：许可为 CC BY 4.0，涵盖数据集与标注，依据 Capur/IESSEEG 在版本 1c32ee3a 时的发布卡片与 LICENSE 文件；按卡片要求的标题引用：“IESSEEG: An Open EEG Dataset Towards Better Understanding of Infantile Epileptic Spasms Syndrome”。发布卡片写明，这项回顾性研究获得了机构审查委员会的批准，并豁免了知情同意与 HIPAA 研究授权，同时要求任何人不得尝试重新识别被试。发布边界与帕金森病比较相同：只发布聚合分数，不发布逐被试数据、预测、年龄，也不发布各组的年龄与性别构成；2 岁及以下一栏只给出该年龄段的人数及其病例与对照人数。卡片声明，其中 400 个病例片段此前已由 Rajaraman et al. (2024) 分析过；与那项分析在被试层面的对应关系尚未厘清。NeuroLM-B 以冻结方式使用，并以检查点的 SHA-256 标识；不分发任何权重。不发布：任何形式的逐被试数据、逐折指标、各组的年龄与性别构成、区间与检验、信号、代码、检查点及其特征，以及运行时间与存储位置。

**审核清单 SHA-256** `67418da30bd51f1c89985c845f88e6dcc2d8b875ab6da04b7dde4d9b179ce7ac`

| 文件 | 大小 | 所提供文件的 SHA-256 |
| --- | --- | --- |
| [clinical-iesseeg-update.json](https://bci.report/data/clinical-iesseeg-update.json) | 27.2 KiB | `c2302fe6945276de8f9183340c165245bc4c5097c9ebe60fa7ac389725b2427d` |

2026 年 10 月 20 日 `neurolm-eegmat-update-20261020`

试点研究页面上单独的一栏，不计入试点数量，也不进入任何排行榜：在 EEGMAT 的心算与静息上冻结使用 NeuroLM-B（36 名被试，2,160 个两秒时间窗，5 折、整名被试留出），在同一批时间窗的三种表示上各拟合一个固定的岭回归分类头：NeuroLM 的分词器特征、它的 GPT 隐藏状态，以及频带功率。给出每种表示按被试等权的平衡准确率与宏平均 F1，以及三个配对差值及其配对被试 bootstrap 区间。“心算与静息”协议页面上有一条指向它的链接；核心矩阵的各行保持不变。

**页面** [试点研究](https://bci.report/zh/topics/pilot-studies/)

**说明** 分词器特征减频带功率为 +0.60 pp（配对的 95% 被试 bootstrap 区间 −5.32 至 +6.44）：区间跨过零，所以既不能说明哪一方更好，也不能说明两者等效。是否出现在预训练数据中：未知。EEGMAT 就是 NeuroLM 固定版本代码中 6 个指令任务之一的 Workload，而这个检查点处于哪个训练阶段尚未厘清。这个试点有自己的适配流程与频带功率特征，所以分数单独成栏；静息在任务之前记录，所以记录顺序与标签一起变化。

**说明** EEGMAT 沿用其已发布的记录：Open Data Commons Attribution License 1.0，只发布聚合结果。NeuroLM 的代码在固定的提交版本下为 MIT 许可。NeuroLM-B 检查点按其 Hugging Face 仓库的许可标签为 CC BY 4.0，其 30 字节的模型卡没有附加任何条款。不分发任何权重，也不代表 NeuroLM 作者的认可。不发布：任何逐人、逐折与逐时间窗的数值，人口学信息，实测的计算量，检查点与 NeuroLM 源代码，以及交接文件、协议、生成脚本、回执与审核记录本身——其中几份含有私有存储路径，只在发布清单中以哈希固定。

**审核清单 SHA-256** `41c6c94772c50dcafb9624ad2d5ae20274a3f5b8d4617ef14a7e38105a45861e`

| 文件 | 大小 | 所提供文件的 SHA-256 |
| --- | --- | --- |
| [neurolm-eegmat-update.json](https://bci.report/data/neurolm-eegmat-update.json) | 19.2 KiB | `4e7001b2b69ea2578d1db5c9617dc1b99e8f3985f13b2e2fb1b11f32024d6a55` |

2026 年 10 月 13 日 `eegpt-core-update-20261013`

核心矩阵旁边的 EEGPT：它在 8 个核心协议上的单元格，与已发布的 LaBraM 各行、以及除空闲协议外的 CBraMod 各行出自同一批运行，只替换了编码器，按当时算出的结果原样发布，没有重新运行；作为冻结编码器的一行放在核心矩阵旁边，与更多基础模型编码器的位置相同。7 个协议上给出平衡准确率及其被试 bootstrap 区间、宏平均 F1 与随机水平；空闲协议上给出计数（空闲误触发、3 秒内检出的指令、始终拒识的被试人数）以及窗口平衡准确率与 AUROC，不给区间。在已发布的 LaBraM 与 CBraMod 各行旁边，给出 EEGPT 在 mi-rest 与 EEGMAT 上的预训练归因各行：预训练编码器对比三个随机初始化编码器的均值，分别用固定分类头与训练集内选定的分类头，附配对区间。按模型类别分组，从不排名：只有 95% 区间不重叠时，才说 EEGPT 高于或低于某个已发布的行，并以百分点给出两个区间之间的差距。每个单元格都注明该数据集是否在 EEGPT 作者公开的预训练数据清单中（2026 年 10 月 12 日核查，附来源；7 个核心数据集都不在其中），每条脚注都放在它所涉及的单元格旁边。

**页面** [核心矩阵（首页）](https://bci.report/zh/) · [协议](https://bci.report/zh/protocols/) · [方法](https://bci.report/zh/methods/) · [预训练有用吗？](https://bci.report/zh/topics/does-pretraining-help/) · [更少的电极](https://bci.report/zh/topics/fewer-electrodes/)

**说明** 有几处差距很窄。在睡眠分期上，EEGPT 的区间高于核心矩阵每一行的区间，最近的只差 0.10 pp；在 P300 上高于 LaBraM 0.28 pp，在语义目标上高于 spectral ridge 0.78 pp，在 4 通道 BETA 上高于 LaBraM 0.90 pp。在 BETA 上，两种通道数下 EEGPT 都低于无需训练的标准 CCA。空闲行与已发布的 LaBraM 空闲行出自同一次运行；已发布的 CBraMod 空闲行来自另一次运行，所以与它的比较是跨运行的。预训练归因：两个数据集、两种分类头下，预训练编码器的得分都高于其随机初始化的均值，配对区间都在零以上；这是以这些数据划分、分类头与初始化为条件的冻结编码器结果，不是模型排名。

**说明** 所有者 2026 年 10 月 12 日与 13 日的决定：把 EEGPT 在 8 个核心协议上的单元格按当时算出的结果原样发布，不重新运行，作为冻结编码器的一行放在核心矩阵旁边；把它的预训练归因各行放在已发布的 LaBraM 与 CBraMod 各行旁边。权利方面的理由与 10 月 12 日那项试点比较相同：独立计算的聚合结果是与权重分开的产出；没有找到发布者的禁止规定；检查点的许可仍未厘清；不分发任何原始或转换后的权重；Apache-2.0 只涵盖代码仓库中的代码。不代表作者的认可。8 个单元格中的 4 个（mi-rest、EEGMAT 和两个 BETA 协议）以及 EEGPT 的预训练归因对照，自 2026 年 9 月 20 日起就在公开代码仓库的审计记录里；公开的归因审计文件至今仍把 EEGPT 的四个对比标为“hold-unresolved-weight-license”，那是当时的标记，文件保持原有字节。这些结果随本次发布正式公开。

**说明** EEGPT 与 EEG-DINO 的区别：EEG-DINO 按所有者 2026 年 10 月 4 日的决定仍只列入目录——它的上游权重没有附带许可，本站也从未下载或运行它。EEGPT 则与已发布的各行在同一批运行中评测过，暂缓发布只是因为读不到检查点的许可；10 月 12 日的重新评估认定，这一暂缓是本项目自己的选择。本次决定不重新审查 EEG-DINO。

**说明** 不发布：逐试次、逐人、逐折与逐类别的数值，特征、拟合好的分类头、空闲阈值与校准网格，以及归因差值为负的人数；三个随机初始化各自的分数（与 LaBraM、CBraMod 一样，只发布均值）；BETA 按记录时长分组的汇总；耗时、设备与显存；EEGPT 在 8 个核心协议之外的结果；检查点及其张量转换文件——其 SHA-256 只用于标识，不授予任何权利；以及运行汇总、协议、独立审计与核查记录本身——它们含有私有存储路径，只在发布清单中以哈希固定。没有重新运行任何东西：experiments.json、deployment-topics.json 与更多基础模型编码器的文件保持原有字节。

**审核清单 SHA-256** `21e27baaebe9af009a9555a5b1a64e367246b14df00413ab0d9159c183b60ffc`

| 文件 | 大小 | 所提供文件的 SHA-256 |
| --- | --- | --- |
| [eegpt-core-update.json](https://bci.report/data/eegpt-core-update.json) | 74.1 KiB | `8563862b961a226636d1349ec62f5bfd4fe922bda326c27fbcf7557e2d277a26` |

2026 年 10 月 12 日 `pilot-studies-update-20261012`

四个数据源上的小规模试点，每项都来自各自已批准的聚合导出文件，全部不进入任何排行榜或模型排名。Orthosis 错误检测数据集（8 名被试、83 个 run、2,407 个记录下来的设备事件：同一个队列，只计一次）给出三项结果：64 通道经典 EEG 基线、同一基线在 EEGPT 支持的 58 个通道上的配置，以及冻结的 EEGPT 加同样固定的有监督分类头、与这组匹配的经典特征的比较。BINGO 的希腊语与英语内部言语（17 个按数据源定义的被试字段）：一个固定的频谱基线跨被试、跨语言的结果，是接近 15 类先验的阴性结果。一个想象书写竞赛数据集上的掩码感知 EEG 分析（5 名被试，四个已发布的编码标签）：屏蔽停在数字量程边界上的平直通道之后，相对频带功率 EEG 略高于训练集多数类对照，也高于只看缺失掩码的对照与掩码 + 时间的对照，但与经过时间与试次顺序的对照没有区分开；这是一项数据质量与方法案例研究，不是手写识别。REFED（两个标称被试文件夹，30 个存储片段）：一项计算诊断，其中简单的、不用 EEG、只用训练集信息的对照，误差都比 EEG 频带功率小。不跨数据集、配置或条件合并。

**页面** [试点研究](https://bci.report/zh/topics/pilot-studies/) · [方法](https://bci.report/zh/methods/)

**说明** EEGPT：这项比较依据经批准的导出文件发布，发布前对这份文件做过独立核查。此前暂不发布 EEGPT 聚合分数，是本项目自己的保守选择，不是发布者的规定；这项试点比较是网站页面上第一个 EEGPT 结果。核心矩阵中的 EEGPT 分数没有出现在网站页面上，但其中一部分（mi-rest、EEGMAT 和两个 BETA 协议，以及 EEGPT 在 mi-rest 与 EEGMAT 上的预训练归因对照）自 2026 年 9 月 20 日起就在公开代码仓库的审计记录里。检查点的许可仍未厘清，不分发任何原始或转换后的权重；Apache-2.0 只涵盖代码仓库中的代码。配对区间跨过零，所以既不能说明哪一方更好，也不能说明两者等效。分类头用另外 7 名被试的标签训练（有监督迁移，不是零样本），也没有排除这个数据集出现在 EEGPT 预训练数据中的可能。同日更正：本说明最初写的是，这项试点比较是唯一发布的 EEGPT 数字。核心矩阵中的单元格已于 2026 年 10 月 13 日随 eegpt-core-update-20261013 发布。

**说明** BINGO：数据源没有说明许可。知情同意按项目公开交付文件 D3.1（3.0 版）的表述：被试签署了知情同意书，但这句话针对的是该项目在同一个 CERTH 实验室记录的 NATO 字母表数据集；跨语言数据集自己的文档没有伦理或知情同意声明，也没有公布伦理批件编号。聚合结果依据所有者的决定，在此基础上发布。项目说明在切分试次之前，已在连续记录上用 ASR 与 FORCe 去除了伪迹；这句话印在结果旁边，注明出自 D3.1（2.0 版），没有对照数据文件重新核实。项目自己在 NATO 字母表数据集上的结果，按项目报告的原样列出，不是本站运行的。

**说明** 手写：依据所有者的决定发布，并说明其权利缺口。在数据集卡片和一支参赛队伍的挑战赛论文中都没有找到伦理批准或知情同意声明，组织方的论文标注为即将发表；待其发表后重新核查。对同样五名被试较早的一次分析作为背景列出，不是第二个队列。

**说明** 不发布：逐人、逐字段、逐文件夹、逐片段与逐记录的数值；Orthosis“响应干净”子集的分数（只发布它的计数）；单次标签置换与标签打乱的结果（发布其均值与观察到的范围）；混淆矩阵；手写分析中只看缺失掩码的对照的区间（只有五名被试，区间端点能反推出个人的分数）；以及交接文件、批准记录与独立审计文件本身——它们含有私有存储路径，只在审核清单中以哈希固定。只列状态、没有任何数字的：Orthosis 的 EMG、TinyMyo 与 EEG–EMG 融合；手写数据集的 fNIRS 与融合；REFED 的生理信号与融合评测；以及一个冥想数据集——其中 RR 指心跳的 RR 间期，不是呼吸频率。

**审核清单 SHA-256** `89dcd9295ad0a85abea68deb180fcbed25165d4f523d5e02b402937eeb512c29`

| 文件 | 大小 | 所提供文件的 SHA-256 |
| --- | --- | --- |
| [pilot-studies-update.json](https://bci.report/data/pilot-studies-update.json) | 94.6 KiB | `c93a344b7111b2335565b4a2819c0f4be6a93ba8d6970a8fd4fcb0cf9caf2bca` |

2026 年 10 月 12 日 `beyond-scalp-update-20261012`

在头皮 EEG 之外由本站在本地运行的分析，每项都有各自的物种、信号与指标：都不与头皮 EEG 比较，都不进入核心矩阵，彼此也不排名。人类 fNIRS（Bak 等人，30 名被试）：用固定的收缩 LDA，对训练时留出的被试区分右手、左手手指敲击与脚部敲击这三种实际动作，与训练集先验对照比较。一只猕猴运动皮层的神经元放电（MC_RTT，为 Neural Latents Benchmark 整理的数据；一次会话）：用固定的岭回归在同一次会话的留出试次上解码手指的 x/y 速度，与训练集均值对照比较，共五个指标，其中包括岭回归更差的那一个。人类 fNIRS 记录的数值覆盖核查（ds007420，12 名被试，60 段记录）：只有计数，没有解码。另有两个数据源已完成准备、尚未评分：FALCON H2 人类皮层内手写，以及 Rabut 等人的人类功能超声。

**页面** [头皮 EEG 之外](https://bci.report/zh/topics/beyond-scalp-eeg/)

**说明** Bak：按被试平均的平衡准确率远高于训练集先验，描述性区间是对固定的逐人分数重抽样得到的（不是重新拟合的 bootstrap）。任务是实际动作，不是运动想象；离线分析，时间窗为 15 秒，也没有排除全身性生理或运动的影响。MC_RTT：不是 Neural Latents Benchmark 的官方分数；只有一只动物，每个数字都是这只动物的，也不报告区间。ds007420：覆盖计数说明不了信号质量；没有任何分类器分数，因为它的任务编码没有经过核实的对照表，事件时长的几处记录也互相矛盾。

**说明** 许可来自各自数据仓库的记录：Bak 为 CC BY 4.0，MC_RTT 为 CC BY 4.0，ds007420 为 CC0，FALCON H2 为 CC BY 4.0，Rabut 等人的数据为 CC BY-NC 4.0（非商业）。Bak 的伦理与知情同意声明读自出版方文章页面在互联网档案馆的存档，因为出版方拒绝了自动化请求。MC_RTT 是动物数据，在各机构动物护理与使用委员会批准的程序下采集，因此不涉及知情同意。不发布：逐人、逐段记录、逐通道、逐试次与逐行的数值；混淆矩阵；信号、特征、预测与模型系数；实测的计算量；人口学信息；以及交接文件、审核记录与独立审计文件本身——它们含有私有存储路径，只在审核清单中以哈希固定。

**审核清单 SHA-256** `ae02c2115414c0ca61cf5c72a748a004f0f2854570570e56935515922de2070f`

| 文件 | 大小 | 所提供文件的 SHA-256 |
| --- | --- | --- |
| [beyond-scalp-update.json](https://bci.report/data/beyond-scalp-update.json) | 38.8 KiB | `fe37a2a5c2105cdeadd6e3fb28b7944ca626fec4743e4c813d5aa669182b4341` |

2026 年 10 月 8 日 `questions-in-language-update-20261008`

决策研究路线图的第三条路线——用语言提问：能不能用文字向 EEG 模型提问，包括它从未训练过的问题？在冻结特征上训练一个以问题为条件的小分类头，每个问题分别用三种方式提出：题号、标签模板、自然语言描述。主分析是 BETA 上的 SSVEP（普通频谱与冻结的 CBraMod 特征）和 BOAS 上的睡眠（冻结的 CBraMod 特征），各 3 个随机种子；次要分析包括 EESM19、OpenBMI 运动想象、REVE-L 特征、另一个文本编码器、中文问法、否定探针、一段连续留出的频率，以及 Wearable-102。用训练时的问法问已见过的问题、改写后的问题、EEG 分类头从未训练过的问题，三者分开报告，从不合并成一个“零样本”数字；每个条目都带两个标记——区间是否排除零，以及相对于任何结果出来之前就定下的界值处在什么位置（准确率为 2 pp；未见过的睡眠问题为剩余错误之比 1.25；主分析中与数值编码、相邻平均和错配模板的比较只读差异）。“Jev-style”（Jev 式）在这里指把 TypeSafe 的 Jev 这类决策模型的接口用在 EEG 上：一段记录只编码一次，再回答关于它的多个明确的、规定输出类型的问题，每个回答都带一个概率。路线图从一篇视觉论文（Yu & Yao, 2026）出发，它把同样的思路用在图像上。

**页面** [用语言提问](https://bci.report/zh/topics/questions-in-language/) · [何时不该执行](https://bci.report/zh/topics/when-not-to-act/)

**说明** 主要是阴性的、划定边界的结果。在睡眠上，用标签模板或描述来问已见过的问题，与用题号提问在 2 pp 的界值内等效；在 SSVEP 上，两种特征下用语言提问都有准确率代价。在睡眠上换一个新句式没有可测的代价，同义词和新描述则在两个数据集上都降低了准确率（SSVEP 冻结 CBraMod 特征下的同义词仍在界值内）。EEG 分类头从未训练过的问题没有答好：无论哪种问法，每一个未见过的睡眠问题都不如把分类头自己的各期答案加起来；未见过的闪烁频率与无需训练的 CCA 的每一项比较，都远远落后。否定的问法被当成在问被否定的那一项本身。

**说明** 在任何结果出来之前，运行前的标签置换金丝雀检查失败了两次（修订 3 与修订 4；失败的格子全在 BOAS 上，其中一个低于随机水平）。所有者推翻了修订 4 写下的“不再修订”，批准了修订 5，修订 5 通过；修订 4 的按人中心化诊断没有运行，两次失败的记录都保留并披露。对于中文文本编码器，SSVEP 的分词规则改为报告而不停止运行（决定 S0b-6）；第一次拟合之前的一项工程修订（EA-1）没有改动任何问题、划分、问法、臂（ID、TPL、DESC 等各组）、指标、界值或门槛；预先声明的数感预测没有触发，因为它的前提不成立。主分析共 35 个预先声明的比较，没有做多重比较校正；次要分析大多只有 1 个随机种子，并在运行前就声明多半无法下结论。

**说明** BOAS 的数值依据所有者 2026 年 10 月 7 日的批准发布，该批准于同日扩展到第三条路线（D11）：附三个已说明的缺口与署名，被试在公开发布中是假名化的，每个 BOAS 单元格至少汇总 20 名被试；Bitbrain 的头带及其自动分期既没有使用，也没有被评估。不发布：逐人、逐夜与逐折的数值；没有任何独立审计覆盖的 S10 按频率与仅内部频率的细分结果；运行前检查的任何数值（只以通过或失败及计数发布）；实测的计算量；以及交接文件、聚合文件、协议与四份独立审计文件本身——它们含有私有存储路径，只在审核清单中以哈希固定。问法清单、留出频率的划分与打乱对照的错位排列以单独的文件发布。

**审核清单 SHA-256** `c85dbadaab3d08b9ae079015e664cec4ed7e16438c6e1ca00689c1ef341ade5e`

| 文件 | 大小 | 所提供文件的 SHA-256 |
| --- | --- | --- |
| [questions-in-language-update.json](https://bci.report/data/questions-in-language-update.json) | 409.9 KiB | `2583b5958c24e02898929c354e16653e50e33704aaaee37927e158f9d72d01dd` |
| [questions-in-language-wordings.json](https://bci.report/data/questions-in-language-wordings.json) | 74.9 KiB | `fb8451a84f2d1d8a6a451e2669503656beb86f28edf9f02d73107ff5a9482529` |

2026 年 10 月 8 日 `later-sessions-update-20261008`

同一个问题下的四项结果——在较早会话上训练的解码器，到后来还管用吗？——每项都来自各自已批准的发布文件，都不使用后一次会话的任何标签。WBCIC-SHU（62 名被试，分为两个独立队列：51 名做二分类、11 名做三分类运动想象）：在每名被试的第 1 次记录会话上训练、在第 3 次会话上测试的源会话多数类先验与相对频谱功率 + 岭回归（relative spectral ridge），以及在同一批被试与试次上、分类头用第 1 次会话拟合的冻结 CBraMod。一个纵向 RSVP 数据集（15 名被试）：在第一次访次训练的 ERP 基线，在发布者标称的第 7、80、200 天访次上评分。Forenzo 的连续光标追踪数据集（两个队列共 23 条纳入记录，两种响应变量）：从每条记录最早的完整会话到最晚的完整会话的固定 spectral ridge，与源会话均值对照比较，作为阴性结果发布。不跨数据集、队列或响应变量合并，各结果之间不排名。

**页面** [后续会话](https://bci.report/zh/topics/later-sessions/)

**说明** WBCIC-SHU：两个队列中，spectral ridge 都高于源会话先验，冻结 CBraMod 又都高于 spectral ridge，配对区间均在零以上。CBraMod 这一组是在 spectral ridge 的结果出来之后才冻结的，并复用了同样的测试试次；没有结构相同的随机初始化对照，这个检查点的预训练数据中是否出现过 WBCIC-SHU 也没有确定，所以它不能说明提升来自预训练。会话编号只是记录会话的序号，不保证固定的时间间隔。

**说明** 纵向 RSVP：标称第 200 天访次的 AUROC 低于第 7 天，配对区间在零以下，部分被试下降了 0.05 AUROC 及以上；目标事件很少，所以 AUROC 旁边同时给出平均精确率。第 7、80、200 天是发布者标称的访次标签，这里没有任何结果说明变化是由时间流逝造成的。Forenzo：在两个队列、两种响应变量下，spectral ridge 在每一条纳入记录上的总体误差都高于常数的源会话均值对照，均值远高于中位数；速度变量模仿的是发布者历史解码器的输出，不是意图运动，也不作任何在线控制方面的声明。

**说明** 这三个数据集都是本站新增的数据源。许可来自各自数据仓库的记录：WBCIC-SHU 为 CC BY 4.0，RSVP 数据集为 CC0，Forenzo 的 KiltHub 记录为 CC BY 4.0；每篇论文都写明了伦理批准，以及书面或签署的知情同意。不发布：逐人与逐条记录的数值（最小值、百分位数与中位数；交接文件要求与均值并列给出的 Forenzo spectral ridge 中位数除外）、混淆矩阵、Forenzo 按记录时所用解码器划分的分层结果、实测的计算量，以及交接文件、发布决定与独立审计文件本身——它们含有私有存储路径，只在审核清单中以哈希固定。

**审核清单 SHA-256** `ece37ea382fbb7fc0fb2bfe360e47d673fd150862c909d7026b57c2e2af8a53e`

| 文件 | 大小 | 所提供文件的 SHA-256 |
| --- | --- | --- |
| [later-sessions-update.json](https://bci.report/data/later-sessions-update.json) | 75.7 KiB | `b9db90486ef70f0c70b7feca315c58b09917e9327a1107d09b6f11b0d9982285` |

2026 年 10 月 7 日 `shared-representation-update-20261007`

决策研究路线图的第二条路线——一份表征，多个问题：一个共享编码器、每个问题配一个固定的线性头，能不能像以问题为条件的头、或者每个问题单独建模那样答好几个问题，同时花得更少？在数据量与计算量匹配的条件下，比较四种设置：每个问题一个独立模型、固定头、共享隐藏层，以及按问题身份调制该隐藏层的条件头。主分析层级是从头训练的 EEGNet 与冻结的 CBraMod 特征，各 3 个随机种子；次要层级是用 LoRA 适配的 CBraMod，1 个随机种子。运动想象（OpenBMI）与睡眠（BOAS）是主分析，EESM19 是只跑一个随机种子的粗略重复。每个对比都带两个标记——区间是否排除零，以及区间是否落在任何结果出来之前就定下的 2 pp 的界值之内；区间重叠时不排名。

**页面** [一个模型，多个问题](https://bci.report/zh/topics/shared-encoder/) · [何时不该执行](https://bci.report/zh/topics/when-not-to-act/)

**说明** 两个领域都不支持“固定头以更少的代价做得一样好”这句话：以问题为条件的头在“想象还是静息”上更高，在睡眠五期分期上也更高，而两个领域里固定头都是更省的设置。问题身份本身没有带来可测的增益：不加条件的同一个隐藏层，在两个运动想象问题上都与条件头在 2 pp 内等效，在睡眠上非劣。在睡眠上，比固定头高出的那部分来自这个隐藏层；在运动想象上，这个隐藏层与固定头的对比无法下结论。与每个问题单独一个模型相比，共享一个小的 EEGNet 主干在“哪只手”上损失了准确率；在“想象还是静息”和睡眠分期上，这项比较无法下结论。处于下限的问题照样报告，但从不计入；21 个主分析条目没有做多重比较校正，在没有真实差异的条目里，约每 20 个就可能有 1 个偶然显示出差异。

**说明** BOAS 是本站新增的数据源。它的权利审核于 2026 年 10 月 7 日经所有者批准，结论是“说明缺口后可以发布”：知情同意声明没有说明被试是否同意公开共享或二次使用；伦理与知情同意的陈述只来自发布者的数据集说明与 README，没有任何同行评审论文描述 BOAS；伦理批件编号是在 1.1.1 版（2025 年 5 月）才加入发布的，发布中没有说明它是在记录之前还是之后批准的。只发布至少 20 人的队列汇总。被试在公开发布中是假名化的；Bitbrain 的头带及其自动分期既没有使用，也没有被评估。

**说明** E2 睡眠——在 BOAS 上用 LoRA 适配的 CBraMod——按所有者的决定，于 2026 年 10 月 7 日、在其他所有结果都已知之后运行；它的设计与运行条件在冻结时就已确定，没有任何一项是根据结果选的。运行时用了临时的私有续训检查点：没有一个留到对应的拟合结束之后，现在一个也不剩。不发布：逐窗口与逐人的数值，包括发布候选文件为 OpenBMI 携带的逐人百分位数；实测的计算总量（GPU 小时、每次拟合与每组的实际耗时、每个外层折的训练步数），代价表则以“仅供参考”的标注发布在共享 GPU 上交替测得的两项耗时；以及聚合文件与三份独立审计文件本身——它们含有私有存储路径，只在审核清单中以哈希固定。

**审核清单 SHA-256** `d777e980a42db43b14004677d3a93455414c62f45eaec51e73c7ab60bee103b4`

| 文件 | 大小 | 所提供文件的 SHA-256 |
| --- | --- | --- |
| [shared-representation-update.json](https://bci.report/data/shared-representation-update.json) | 219.1 KiB | `0dec02f86d2ef9347c4e42e8c2c7d165ad169293247b759049b170f0f2ae41d2` |

2026 年 10 月 4 日 `foundation-models-update-20261004`

第九轮基础模型评测：另外 11 个 EEG 基础模型（共 16 个编码器检查点）作为冻结探针，在 8 个核心协议上沿用已发布的 LaBraM 与 CBraMod 冻结方案，只替换编码器（时间窗、被试、折、分类头与评分方式都不变）；其中 9 个模型又在 EEGMAT 上按 10 月 1 日的方案做了适配：在冻结编码器上只训分类头，对比秩为 4 的 LoRA，3 个随机种子。这些是放在核心矩阵旁边的新行，有自己的文件：一个 JSON，以及每个协议一个 CSV，其前几列与核心结果 CSV 完全相同。按模型类别分组，从不排名：只有 95% 区间不重叠时，才说一行高于或低于另一行。每个单元格都注明该数据集是否在模型作者公开的预训练数据清单中（2026 年 10 月 4 日核查，附来源），每个模型都注明其权重许可。

**页面** [协议](https://bci.report/zh/protocols/) · [方法](https://bci.report/zh/methods/) · [预训练有用吗？](https://bci.report/zh/topics/does-pretraining-help/) · [更少的电极](https://bci.report/zh/topics/fewer-electrodes/)

**说明** 睡眠分期是唯一一个有新的冻结单元格——ST-EEGFormer Large、ST-EEGFormer Base 与 REVE Large——完全高于所有已发布行的协议。在其余 6 个有分数的协议上，没有任何新单元格完全高于已发布的非基础模型行中点估计最高的那一行；在 BETA 上，没有任何新行高于无需训练的标准 CCA。在 EEGMAT 上，冻结读出与 LoRA 给出的模型顺序并不一致：这是一项任务上的一个固定方案，各模型的 LoRA 参数量也各不相同，不是排名。

**说明** BETA 在 ST-EEGFormer 作者公开的预训练数据清单中，TMNRED 在 SingLEM 的清单中，这些单元格都已标出；ZUNA 1.1 没有公开其预训练数据清单，所以它的每个单元格都标为未知。其余单元格——包括 LaBraM 与 CBraMod 的——都不在作者公开的预训练数据清单中（2026 年 10 月 4 日核查）：这是有出处的陈述，并不证明这些记录从未被模型见过。权重许可随行标出：REVE 采用其负责任使用许可，LUNA 为 CC BY-ND 4.0，ERP-FM 仅限非商业用途，ZUNA 1.1 的模型卡限定仅供研究使用，不可用于诊断或临床。

**说明** 不发布：逐试次、逐人与逐折的数值、特征，以及计算耗时与显存——它们在共享 GPU 上测得，所以 CSV 的评分耗时列留空；超出行脚注所述内容的预设敏感性分析；以及聚合文件、各组汇总与 6 份独立审计文件本身——它们含有私有存储路径，只在审核清单中以哈希固定。BrainOmni 有两个单元格没有运行，因为它的分词器需要两秒的时间窗：这两格为空值并注明原因，而不是零。已发布的矩阵保持原有字节；新行不会进入 experiments.json。

**审核清单 SHA-256** `234fc9bf732de4e5cd7b1c94456233d11f7621a5dbc42a615f84fe9b382bcf57`

| 文件 | 大小 | 所提供文件的 SHA-256 |
| --- | --- | --- |
| [foundation-models-update.json](https://bci.report/data/foundation-models-update.json) | 325.3 KiB | `eaaaaccb2e8b70cacc85db71726d63de036c83c3d60b7b4a9097f9aafafad13a` |
| [foundation-models-mi-rest.csv](https://bci.report/data/foundation-models-mi-rest.csv) | 19.0 KiB | `29f29270ca80637936b3a54fe7f1d8b000516329b9584b90265f4c0d5a481775` |
| [foundation-models-idle.csv](https://bci.report/data/foundation-models-idle.csv) | 20.4 KiB | `9c32e21661d602c8c7cb90ee08617c1ce34dc69afe60e03731c3566236d37464` |
| [foundation-models-beta-8ch.csv](https://bci.report/data/foundation-models-beta-8ch.csv) | 22.4 KiB | `8ed510e75ec78e6db8f81c5b3d3c9c53bc92188ac59d27936f69b6fca01d88f9` |
| [foundation-models-beta-4ch.csv](https://bci.report/data/foundation-models-beta-4ch.csv) | 22.2 KiB | `56e716518fe5383bcabe50977a588082d8ef780486569740cb80f62392bbf9be` |
| [foundation-models-arithmetic-rest.csv](https://bci.report/data/foundation-models-arithmetic-rest.csv) | 22.0 KiB | `61cd05ee7bf418e759663632942e57da8a0b4ded6b2156aa3885fe0c2005db7c` |
| [foundation-models-p300-target.csv](https://bci.report/data/foundation-models-p300-target.csv) | 19.9 KiB | `45e9bb5e87ed07e94d783078416171a1da05b6686a5653517f004f570f6d96c4` |
| [foundation-models-semantic-target.csv](https://bci.report/data/foundation-models-semantic-target.csv) | 22.2 KiB | `011e724ab480305b98cc8d910e0d83df7f65d94123bb8620ab0a88529c76b115` |
| [foundation-models-sleep-scalp.csv](https://bci.report/data/foundation-models-sleep-scalp.csv) | 23.1 KiB | `9128234574c9c49152db7b8a1c052b65ad42f5cb56afab57dc97f4e9ab2b5e7d` |

2026 年 10 月 4 日 `reliable-decisions-update-20261004`

决策研究路线图的第一条路线——可靠的决策：解码器什么时候应当拒绝作出决定，它的置信度又值多少。本站已发布模型保存下来的测试分数——EEGMAT 上的 spectral ridge、EEGNet 与两种 LaBraM 配置（36 名被试），BETA 上的标准 CCA、CBraMod 与 EEGNet（70 名被试）——在固定置信度阈值、覆盖率目标、经认证的选择性风险和可学习的拒识选项四种策略下重新评分，另测概率质量，以及按人重新校准的效果和它所花费的标签。没有重新训练任何分类器，所以全覆盖时的准确率都与已发布的数值相同。每个协议在设计上都是类别平衡或均匀的：这些是方法之间的比较，从来不是部署时的错误率；区间重叠时不排名。

**页面** [何时不该执行](https://bci.report/zh/topics/when-not-to-act/)

**说明** 经认证的选择性风险在 EEGMAT 上没有认证任何一个外层折，所以在那里什么都没有接受：没有错误率，而不是错误率为零。在 BETA 上，有些已认证折的实际错误率超过了该折自己的目标：这是跨被试的名义保证，它失效的频率在这里是测出来的，不是假设的。可学习的拒识选项在任何一种方法上都没有比模型自身校准后的置信度错得更少。

**说明** ds003810（10 名被试）标为粗略，放在折叠的稳健性面板里，旁边是其余随机种子、两个敏感性分析（只给风险认证的折数），以及一个与分类器联合训练的探索性拒识头。没有放进来的：空闲协议——第一条路线在它上面得到的是按窗口的比例，与同一页上按试次统计的空闲数字单位不同；以及 BNCI2015-001 分析的全部数字——该数据源的编辑暂缓仍然有效。

**说明** 不发布：逐试次、逐人和逐折的数值，包括发布候选文件中按人统计的百分位数，以及各折温度的中位数；匹配留出、映射敏感性与联合训练这几组分析的准确率；以及独立审计文件本身——它们含有私有存储路径，只在审核清单中以哈希固定。主审计唯一没有通过的一项是文档错误，不是计算错误，这里如实说明。

**审核清单 SHA-256** `49486a87b692e03ddaad411c140a533816fba3b34fd19ce261faa243d6cd2885`

| 文件 | 大小 | 所提供文件的 SHA-256 |
| --- | --- | --- |
| [reliable-decisions-update.json](https://bci.report/data/reliable-decisions-update.json) | 114.1 KiB | `9af91aa919e6af66bb2907c913ce616b2f98337bf6c9f11bba490d75b7f9fe51` |

2026 年 10 月 3 日 `large-source-update-20261003`

两个新来源、两个各自独立的问题，各有两个固定的经典 CPU 基线，彼此不排名。Dreem：以发布者的共识分期为标准的五期睡眠分期，25 名健康被试（DOD-H）与 55 名阻塞性睡眠呼吸暂停患者（DOD-O）作为两项独立实验——训练集先验与 spectral ridge，准确率与平衡准确率并排，另有宏平均 F1、Cohen kappa 系数，以及 spectral ridge 的逐期结果。另有 OpenBMI：运动想象解码器在被试的第一次会话上训练，加入第二次会话的 0、10、20 或 40 个校准试次后在第二次会话上测试，51 名被试，每个平均变化旁都给出有多少人下降。没有基础模型或微调结果。

**页面** [睡眠分期的失衡](https://bci.report/zh/topics/sleep-staging/) · [需要多少校准？](https://bci.report/zh/topics/calibration-budget/)

**说明** spectral ridge 在两个队列中都从未预测过 N1，所以它的 N1 精确率没有定义：发布为空值，而不是零。训练集先验的平衡准确率略高于五分之一，因为每晚的均值只涵盖该晚出现过的分期；它是一个下限，不是随机水平。Dreem 队列上的神经网络与基础模型暂缓，因为数据源的物理单位说法不一致。

**说明** OpenBMI 是同一固定方法下扩大的队列——原有 40 名被试、结果不变，加上之后符合条件的 11 名被试——不是独立的重复验证；更早的 40 人快照已准备好、但从未在本站发布，它不是一个单独的结果。相对 PSD 基线在 40 个试次时的变化，区间包含零，不能认定。

**说明** 不发布：逐人与逐晚的数值（包括观察到的最差变化、中位数与第 10 百分位数）、Brier 分数、对数似然与校准误差、DOD-H 与 DOD-O 合并后的汇总，以及独立审计文件本身——它们含有私有存储路径，因此只在审核清单中以哈希固定。

**审核清单 SHA-256** `3126ca1b52f5711c7ae8227c7abab6e4e5cdd917944675cd00e414e62eb08c1e`

| 文件 | 大小 | 所提供文件的 SHA-256 |
| --- | --- | --- |
| [large-source-update.json](https://bci.report/data/large-source-update.json) | 49.5 KiB | `834411fc728d2596d4e48be533f2409921e307e5ebbb248300c9fb4cf722cbcd` |

2026 年 10 月 2 日 `extension-update-20261002`

异步 SSVEP 数据集中另外 20 名被试，分别用在四人试点上固定的拒识阈值和逐人阈值评分：检测、覆盖率、被接受且正确的输出，以及每种非控制状态下的误接受，并排给出。另有一个新来源 LTRSVP：P300 解码器在每秒 5 张或 10 张图像的一段记录上训练，在另一段 10 Hz 记录上测试，附完整的速率对速率矩阵。都是固定的经典基线，没有基础模型或微调结果。

**页面** [何时不该执行](https://bci.report/zh/topics/when-not-to-act/) · [从屏幕到 VR](https://bci.report/zh/topics/screen-to-vr/)

**说明** 逐人阈值使 20 名被试中 10 人的检测平衡准确率上升、8 人下降，被接受且正确的指令占比并没有提高。图像速率差值的区间跨过零，而且速率与记录一起变化，在实验中的时间位置也随之变化（原始研究按速率从低到高呈现，没有随机化），所以不声称存在速率效应。

**说明** 不发布：逐人数值、阈值、预测结果，以及独立审计文件本身——它们含有私有存储路径，因此只在审核清单中以哈希固定。

**审核清单 SHA-256** `2dacb0131128304a9ece7bb8e8591819d36c85cd97ec7c5a3c5a0f077cfa2653`

| 文件 | 大小 | 所提供文件的 SHA-256 |
| --- | --- | --- |
| [extension-update.json](https://bci.report/data/extension-update.json) | 23.4 KiB | `1c2eba3138b53f517df1ea467c30ce8bebbaee86873f92e1d1133b1278bb37a3` |

2026 年 10 月 1 日 `adaptation-update-20261001`

新被试、同一任务、不使用测试被试的任何标签：在心算任务上用三种方式适配 LaBraM——只训分类头、最后一个 Transformer 块、秩为 4 的 LoRA——使用相同的检查点、数据划分、初始分类头、批次顺序和训练 5 轮的配方，跑了 3 个随机种子。次日实验只列状态。

**页面** [该更新哪一部分？](https://bci.report/zh/topics/model-adaptation/)

**说明** 与核心矩阵中同一批被试、同一数据划分上的冻结 LaBraM 分类头结果并排给出，因为本批「只训分类头」那一组是短训练的梯度分类头，并不是冻结编码器能达到的最好结果。

**说明** 不发布：内存数据（分配器采样只是下界，不是各方法的峰值），以及次日实验的任何数字。

**审核清单 SHA-256** `5e53c5a4ef378a486ef94b6f7479e79c7310188c433933866e445a1a5b108068`

| 文件 | 大小 | 所提供文件的 SHA-256 |
| --- | --- | --- |
| [adaptation-update.json](https://bci.report/data/adaptation-update.json) | 15.2 KiB | `6253e1d7a7915e12afdfe926688a0bbeb52f2fef28c21d8423c406e353902bc2` |

2026 年 9 月 27 日 `context-update-20260927`

21 名被试的 P300 校准在电脑屏幕与 VR 头显之间来回迁移；行走时干电极 EEG 的步速分数，旁边并排放着运动干扰特征的对照基线；以及一个四人试点：无意发出指令时，SSVEP 窗口被误接受的情况。都是固定的 CPU 基线，没有基础模型或微调结果。

**页面** [从屏幕到 VR](https://bci.report/zh/topics/screen-to-vr/) · [移动中的解码](https://bci.report/zh/topics/on-the-move/) · [何时不该执行](https://bci.report/zh/topics/when-not-to-act/)

**说明** 虽然正确也不发布：分方向的迁移均值，因为独立审计没有重新计算它们。

**审核清单 SHA-256** `376ac7a308d788c7a8d71a63ee7de5926906f07d3933f4f6a89da0818a70617d`

| 文件 | 大小 | 所提供文件的 SHA-256 |
| --- | --- | --- |
| [context-update.json](https://bci.report/data/context-update.json) | 15.2 KiB | `4eb7eb4ef11ab0853ece1728cbf3708f1eb66be35ba8adbbaf840c579512fc07` |

2026 年 9 月 23 日 `clinical-update-20260923`

149 名被试的临床病例对照比较，旁边并排放着只用年龄和性别的对照基线；另有三项暂缓，都没有产生分数。

**页面** [临床分组](https://bci.report/zh/topics/clinical-groups/)

**说明** 虽然是聚合量也不发布：临床队列各组的年龄与性别构成。

**审核清单 SHA-256** `aab3a961abc4f0f82efec911cb28b5b2e0927040545ea41f42b897da98765572`

| 文件 | 大小 | 所提供文件的 SHA-256 |
| --- | --- | --- |
| [clinical-update.json](https://bci.report/data/clinical-update.json) | 11.0 KiB | `082a25d15436eb52ebf1e25f981088f2fa56f21377f7ed0e7907d849a33678df` |

2026 年 9 月 22 日 `evidence-update-20260922`

耳道内与头皮的睡眠分期比较、后部 4 个电极对全部 16 个电极、物理头模的运动测试，以及计划中的适配实验的状态。

**页面** [更少的电极](https://bci.report/zh/topics/fewer-electrodes/) · [移动中的解码](https://bci.report/zh/topics/on-the-move/) · [该更新哪一部分？](https://bci.report/zh/topics/model-adaptation/)

**说明** 修订了 EESM19 的同意书说明（见数据使用页）。核心快照与专题导出因此重新生成，只多了一条引用，没有任何分数变化。下方显示的是修订后文件的哈希。

**审核清单 SHA-256** `acf92eb64069f0145130e500b75766b4e72a69c07fd68d77958340db828851a4`

| 文件 | 大小 | 所提供文件的 SHA-256 |
| --- | --- | --- |
| [evidence-update.json](https://bci.report/data/evidence-update.json) | 17.6 KiB | `219b6d4633894a83f12dd7e1e1ae8820ce9718ddca6807a57f49cf13337ba51a` |

2026 年 9 月 20 日 `deployment-topics-20260920-v1`

四个部署问题，各有自己的协议：配对对比、描述性区间，以及三个随机种子的敏感性分组。

**页面** [干电极与湿电极](https://bci.report/zh/topics/dry-vs-wet/) · [移动中的解码](https://bci.report/zh/topics/on-the-move/) · [需要多少校准？](https://bci.report/zh/topics/calibration-budget/) · [预训练有用吗？](https://bci.report/zh/topics/does-pretraining-help/)

| 文件 | 大小 | 所提供文件的 SHA-256 |
| --- | --- | --- |
| [deployment-topics.json](https://bci.report/data/deployment-topics.json) | 98.2 KiB | `708e6daad94bad3e32a4602af276e40d559e262741e92196a3590a74c6d9232f` |

2026 年 9 月 20 日 `research-preview-20260920`

核心矩阵：7 个公开数据集上的 8 个固定协议，每个协议一份结果文件和一份协议说明。

**页面** [核心矩阵（首页）](https://bci.report/zh/)

| 文件 | 大小 | 所提供文件的 SHA-256 |
| --- | --- | --- |
| [experiments.json](https://bci.report/data/experiments.json) | 89.7 KiB | `113de335c17043bd9f720cf6e46663ff8bb2a11ddedaa49282765ed732807cd0` |
| [mi-rest-results.csv](https://bci.report/data/mi-rest-results.csv) | 3.6 KiB | `50f0eef66b1d36314c5ec4a01028a30c58e2ff88ebac08325ee0b6c4158a19cf` |
| [mi-rest-protocol.json](https://bci.report/data/mi-rest-protocol.json) | 4.2 KiB | `1c8af89bad4fe60b5afa21635802651395311b5dbca02d1f33717d6cef4fbc65` |
| [idle-results.csv](https://bci.report/data/idle-results.csv) | 4.6 KiB | `d511d329755caf81109305a78e416a2650e84ee03f0fa965c34d3e8220796d81` |
| [idle-protocol.json](https://bci.report/data/idle-protocol.json) | 2.8 KiB | `f648b56dfb1d030170440884ac66106ef369c7df8d27040c3bd8d985fc1f0ee8` |
| [beta-8ch-results.csv](https://bci.report/data/beta-8ch-results.csv) | 4.6 KiB | `01a11e0ba22ea726158c936ff66a7e60f8704641a6e8f11d5c83f25d87fd3125` |
| [beta-8ch-protocol.json](https://bci.report/data/beta-8ch-protocol.json) | 3.3 KiB | `ac384c95a33d068d38c37cafae7788331f37f5be5a296bfa01d056daf5590426` |
| [beta-4ch-results.csv](https://bci.report/data/beta-4ch-results.csv) | 4.5 KiB | `9ffe23197b77eda5f08dca476f66197c2da77f198ce8dd35dfd0df972a24082d` |
| [beta-4ch-protocol.json](https://bci.report/data/beta-4ch-protocol.json) | 3.3 KiB | `749d13951729e00935724fce9b790e8f23978e3290a9dd9df6e5a276736e69a1` |
| [arithmetic-rest-results.csv](https://bci.report/data/arithmetic-rest-results.csv) | 3.7 KiB | `bed02323936f2980eac7bf3a8e8b2595630fa1609c1466600d33acc2f83928dc` |
| [arithmetic-rest-protocol.json](https://bci.report/data/arithmetic-rest-protocol.json) | 4.4 KiB | `a2d8a9f182916b1ae611b163d65b3b7184bdbf79e4fa39ee47e778c02c301c6b` |
| [p300-target-results.csv](https://bci.report/data/p300-target-results.csv) | 3.8 KiB | `6cd242313b592d37be2c1e6af2fd8524f612010547a143c84948a6f03a7a852d` |
| [p300-target-protocol.json](https://bci.report/data/p300-target-protocol.json) | 3.0 KiB | `ba94ddcd7e8fb925d97ebfd7c0418b69e02d75a1b6135a9be0e058b0a7dfaee9` |
| [semantic-target-results.csv](https://bci.report/data/semantic-target-results.csv) | 4.4 KiB | `b4baad3795b5512a033609512c90055894caf915b62c9c303fd77310d98caaaa` |
| [semantic-target-protocol.json](https://bci.report/data/semantic-target-protocol.json) | 3.2 KiB | `b6c5a380596148ecfdd5bc98b2799c12dd5ceec0623c9ebdb8a711ee01fb7653` |
| [sleep-scalp-results.csv](https://bci.report/data/sleep-scalp-results.csv) | 3.9 KiB | `55be9dc880b0c620f9dfba3f97c885e50645db0984de2b7d3c10a380fc9db32d` |
| [sleep-scalp-protocol.json](https://bci.report/data/sleep-scalp-protocol.json) | 4.3 KiB | `6cf58be78f646b20f2ff9a7a9c0beadee4bfd24b9046ac68dc5f68afb2282036` |

每一批的来源条款、同意书与隐私审查： [数据使用与隐私（英文）](https://bci.report/data-use/)

---
本文是 https://bci.report/zh/releases/archive/ 的 Markdown 版本，由已发布的网页生成。数字均为聚合结果；使用条款见 https://bci.report/data-use/（英文）。