fMRI基础模型扩展法则实证研究
针对功能性磁共振成像（fMRI）基础模型中数据规模、模型大小与算力关系尚不明确的问题，研究团队进行了一项系统性的对照实证扩展研究。该研究汇聚了超过200个源数据集的预训练数据，消耗逾10,000个GPU时。在固定预训练框架与下游评测协议的条件下，系统探究了数据量、参数量和训练时长的协同变化规律，结果显示下游任务性能总体上随着计算量的增加而提升。
推荐理由该研究系统性探索了fMRI神经影像基础模型的扩展法则，为脑科学与医学影像大模型设计提供了重要实证参考。
原标题：A Scaling Study for fMRI Foundation Models
阅读 arXiv 机器学习 原文 ↗