The Platonic Brain: Representational Convergence in EEG Foundation Models

📄 arXiv: 2611.05097v1 📥 PDF

作者: Nicolas Waehner, Enzo Tagliazucchi, Jacobo Sitt, Demian Wassermann, Giovanni Franco Gabriel Marraffini, Trinidad Borrell

分类: cs.AI

发布日期: 2026-11-03

💡 一句话要点

提出脑电图基础模型以验证普拉托尼克表征假设

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 脑电图 普拉托尼克表征假设 多模态学习 解码能力 跨模态对齐

📋 核心要点

  1. 现有的脑电图分析方法在多模态表征收敛性方面存在不足，难以有效解码复杂的脑电信号。
  2. 论文提出通过EEG基础模型来验证普拉托尼克表征假设，探索不同模态间的表征收敛性。
  3. 实验结果表明，具有更高解码能力的EEG模型在跨模态对齐上表现更好，但与视觉模型的关联性不一致。

📝 摘要（中文）

普拉托尼克表征假设（PRH）预测，随着规模和性能的提升，人工神经网络在表征上会趋于一致。本文通过对六名参与者观看电视系列的脑电图（EEG）记录进行测试，探讨了EEG基础模型在不同模态下的表征是否会收敛。研究发现，具有更高解码能力的EEG模型在局部邻域相似性和全局结构上表现出更强的跨模态对齐，但这种对齐并不总是随着模型参数数量的增加而增强。解码能力与语言模型的全局对齐呈正相关，但与视觉模型的关联不一致，局部对齐则没有明显关联。这种差异可能反映了对低级感知特征的局部敏感性，而全局几何则可能捕捉到较弱的共享语义结构。

🔬 方法详解

问题定义：本文旨在解决脑电图（EEG）表征在多模态下的收敛性问题，现有方法在解码复杂脑电信号时效果不佳，缺乏对不同模态间表征一致性的深入探讨。

核心思路：通过构建EEG基础模型，验证普拉托尼克表征假设，研究EEG表征在视觉和语言模态下的收敛性，探索解码能力与模态对齐之间的关系。

技术框架：研究使用六名参与者的EEG记录，结合视觉和语言内容，分析EEG模型的解码能力与模态间的对齐情况，主要模块包括数据采集、模型训练和结果分析。

关键创新：本研究的创新点在于首次系统性地测试了EEG基础模型在多模态表征收敛性上的表现，揭示了解码能力与模态对齐之间的复杂关系，尤其是语言与视觉模态的不同表现。

关键设计：在模型设计中，采用了特定的损失函数以优化解码能力，并对模型参数进行了细致调节，确保在不同模态下的对齐效果最佳。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果显示，具有更高解码能力的EEG模型在局部邻域相似性和全局结构上表现出更强的跨模态对齐，尤其在语言模态上，解码能力与全局对齐呈正相关，而与视觉模型的关联性则不一致，提供了新的研究视角。

🎯 应用场景

该研究的潜在应用领域包括脑机接口、认知神经科学和多模态学习等。通过深入理解脑电图的多模态表征，能够推动相关技术的发展，提升人机交互的智能化水平，未来可能在医疗诊断和心理状态监测等方面发挥重要作用。

📄 摘要（原文）

The Platonic Representation Hypothesis (PRH) predicts that artificial neural networks converge on shared representations as scale and performance increase. We test whether these predictions hold for representations of the human brain with EEG foundation models. Using EEG recordings from six participants watching a television series, together with aligned visual and language content, we tested whether EEG foundation-model representations converge within and across modalities as their embeddings become better at decoding an informative set of EEG markers. We found that EEG models with greater decodability showed stronger cross-family alignment in both local neighbourhood similarity and global structure, not consistently increasing with model parameter count. Cross-modal convergence was modality and metric dependent: greater EEG decodability was associated with stronger global alignment to language, but not consistently to vision models, while local alignment showed no consistent association. This dissociation may reflect local sensitivity to low-level sensory features, whereas global geometry may capture weaker shared semantic structure.