Tribe v2
PulseAugur coverage of Tribe v2 — every cluster mentioning Tribe v2 across labs, papers, and developer communities, ranked by signal.
- 2026-05-22 research_milestone Meta AI released TRIBE v2, a foundation model that predicts human brain activity. 来源
1 天有情绪数据
-
在特定数据集上，大脑编码模型的预测在视频记忆力方面优于视觉骨干
研究人员发现，大脑编码模型的预测响应在预测视频记忆力方面可以优于其视觉骨干，尽管这种效果取决于数据集。在 Memento10k 数据集上进行测试时，视觉骨干更优越，但在 VideoMem 数据集上，大脑投影显示出轻微优势。这种特定于数据集的表示在用与测试集一致的数据进行训练时也具有更好的迁移性，这表明在某些情况下，大脑编码的特征捕捉到了视觉骨干所遗漏的信号。
-
TRIBE v2模型利用合成数据提升脑部图像解码能力
研究人员开发了一种方法，通过用合成数据增强有限的fMRI数据集来改进脑部图像解码。他们利用TRIBE v2，一个在超过1000小时fMRI响应上训练的大型模型，来生成这些合成数据。在两个数据集上的实验显示，与仅使用真实数据相比，图像检索准确率提高了68%，证明了大型模型在脑部解码任务中提高数据效率的潜力。
-
Meta AI 发布 TRIBE v2，一个预测人脑活动的基础模型
Meta AI 推出了 TRIBE v2，一个旨在数字复制人脑对复杂刺激反应的新基础模型。与前代模型相比，该先进模型的分辨率提高了 70 倍，并能高精度地预测人脑对视觉和听觉刺激的活动。Meta AI 发布该模型、代码和研究论文，旨在促进神经科学研究，帮助开发受大脑功能启发的更好的人工智能系统，并加速治疗神经系统疾病的突破。
-
Meta发布Tribe v2，一个关于大脑对声音、视觉和语言反应的基础模型
Meta AI发布了Tribe v2，一个旨在模拟人类大脑对听觉、视觉和语言刺激反应的新模型。该模型可以通过移动演示进行部分探索，并附有一篇详细介绍其在计算机神经科学领域基础的研究论文。该项目还包括在GitHub上公开的代码，促进了该领域的进一步研究和开发。