知识卡片：BrainWideBench：多脑区神经记录的大规模预训练与跨动物迁移基准

一句话结论

BrainWideBench 是一个基于 International Brain Laboratory Brainwide Map 数据集的基准，用于评估多脑区神经记录上的跨动物迁移；摘要显示，预训练普遍优于匹配的单会话基线，但现有方法在三类任务上表现异质，尚无单一方法全面胜出，面向行为、动力学与解剖结构的通用神经表征仍是开放挑战。

事件概述或研究问题

• 英文标题：BrainWideBench: Benchmarking large-scale pretraining and across-animal transfer in multi-region neural recordings
• 研究问题：大规模神经记录已可跨多动物、多脑区采集，能否利用这种规模学习可迁移到多种下游任务的通用神经表征。
• 摘要指出，该目标受限于碎片化的评估协议，以及以往研究对单一任务领域的聚焦。
• 本文提出 BrainWideBench，作为统一、可复现的评测套件，用于评估跨动物迁移。

方法/产品要点

• 数据基础：International Brain Laboratory Brainwide Map 数据集，包含神经与行为记录。
• 覆盖范围：139 只小鼠、276 个脑区；小鼠执行感觉引导决策任务。
• 三类互补任务套件：
  1. 下游行为解码；
  2. 掩码或未来神经活动预测；
  3. 恢复具有生物学意义的解剖组织。
• 评估设置：系统评估预训练方法，包括在下游目标上微调，以及对未见动物的零样本泛化。
• 英文关键词（据材料整理）：large-scale pretraining; across-animal transfer; multi-region neural recordings; benchmark; neural representations; Brainwide Map; International Brain Laboratory。

主要结果或产业意义

• 预训练相对匹配的单会话基线有性能提升。
• 当前方法的迁移能力呈异质性：收益强烈依赖预训练目标与下游任务之间的对齐程度。
• 没有单一方法在三个任务套件上都表现一致优秀；多数方法只设计用于解决其中一部分。
• 作者结论：学习能够联合跨行为、动力学和解剖结构泛化的表征，仍是开放挑战。
• 对神经基础模型评测、跨动物神经解码与脑机接口研究具有潜在方法论意义；具体产业转化与性能数值待核实。

为什么重要

• 与已有卡片中的 FriendBench、MUSE 等同属“以统一基准揭示模型能力差异”的脉络；本条将评测对象扩展到小鼠多脑区神经记录与跨动物迁移。
• 增量信息在于：把预训练目标—下游任务对齐、零样本跨个体泛化，以及行为/神经动力学/解剖三类目标放入同一评测框架。
• 统一、可复现的评测有助于减少协议碎片化，并为衡量“通用小鼠脑模型”的进展提供参照。

局限与不确定性

• 来源材料为摘要与元数据，未给出具体性能数值、参与比较的预训练方法清单、数据划分、统计显著性、计算成本、超参数搜索范围等，待核实。
• 三套件的具体指标、零样本与微调的具体协议、解剖组织恢复的生物学定义，待核实。
• 结论是否适用于其他物种、其他任务或其他神经记录模态，材料未说明，待核实。
• 论文版本、同行评审状态与后续更新，以 arXiv 页面为准，待核实。

可用于图书/PPT/简报的角度

• 作为“基础模型进入神经科学：从单会话解码到跨动物通用表征”的案例。
• 作为“基准评测揭示能力异质性：没有单一方法通吃”的例证。
• 用三套件图景解释行为解码、神经活动预测、解剖结构恢复之间的张力。
• 讨论跨个体/跨动物零样本迁移在脑机接口与神经基础模型中的挑战。
• 与 FriendBench、MUSE 等基准卡片并列，展示不同领域如何用统一评测推动模型能力诊断。

原始材料

• 英文标题：BrainWideBench: Benchmarking large-scale pretraining and across-animal transfer in multi-region neural recordings
• arXiv ID：2609.22064v1
• 作者：Alexandre Andre, Shivashriganesh P. Mahato, Vinam Arora, Keshav Balaji, Divyansha Lachi, Nanda H. Krishna, Jingyun Xiao, Yizi Zhang, Ximeng Mao, Wenrui Ma, Han Yu, International Brain Laboratory, Daniel Birman, Niccolò Bonacchi, Gaelle A. Chapuis, Joana A. Catarino, Felicia Davatolhagh, Mayo Faulkner, Laura Freitas-Silva, Fei Hu, Julia M. Huntenburg, Anup Khanal, Inês Laranjeira, Petrina Lau, Guido T. Meijer, Nathaniel J. Miska, Jean-Paul Noel, Alejandro Pan-Vazquez, Georg Raiser, Cyrille Rossant, Karolina Z. Socha, Anne E. Urai, Miles J. Wells, Steven J. West, Olivier Winter, Blake Richards, Guillaume Lajoie, Cole Hurwitz, Mehdi Azabou, Matthew R. Whiteway, Liam Paninski, Eva L. Dyer
• 发布日期：2026-09-18T17:54:32Z（据来源材料）
• 主分类：cs.LG；分类：cs.LG, q-bio.NC
• 摘要页：https://arxiv.org/abs/2609.22064v1
• PDF：https://arxiv.org/pdf/2609.22064v1