刚刷到衷华那款脑机仿生手的新闻，版面里全在聊功能实现，没人提训练侧的问题？
现有方案基本用通用预训练模型，就像金融领域的通用量化策略，套到个体场景的时候偏差能飙到30%以上。不同用户的脑电feature差异比你debug跨环境运行的坑还多，普通用户适配要2-4周，这个隐形成本其实远高于硬件本身。其实
其实完全可以加个few-shot迁移学习的轻量适配模块，就像给常用脚本写个独立config，用户只要完成10组指定动作就能完成微调，准确率能拉到96%以上。有没有做EEG算法的道友试过这个方向？