Meta FAIR 夺得 Algonauts 2025 冠军：TRIBE 预测人脑反应

首次发布 2025年8月11日 UTC 11:20传播指数 31

Meta FAIR 团队凭借 10 亿参数模型 TRIBE 在 Algonauts 2025 大脑建模竞赛中夺冠。该模型融合了 Llama 3.2 与 V-JEPA 2 等基础模型，能跨模态预测受试者看电影时的大脑 fMRI 信号变化。目前代码与论文均已开源。

TRIBE（Trimodal Brain Encoder）是 Meta FAIR 开源的 10 亿参数大脑编码器模型，拿下了 Algonauts 2025 大脑建模竞赛的第一名。它能跨模态预测受试者在看电影时，大脑不同皮层区域的时空 fMRI 信号变化。

怎么做到的

TRIBE 的思路是直接把现成的大模型当成感知器官。它融合了 Meta 自家的三个基础模型：文本理解用 Llama 3.2，音频特征提取用 Seamless 的 Wav2Vec2-BERT，视觉表征则交给 V-JEPA 2。

模型训练基于 Courtois NeuroMod 项目的数据集，包含了每位受试者长达 80 小时观看电影时记录的高精度时空 fMRI 信号。这也是业界首个能在多种感官刺激、多个脑区以及不同个体之间同时完成预测的深度神经网络。

目前研究团队已经在 GitHub 上放出了完整的模型代码，论文预印本也发在了 arXiv 上。

脑科学以前做神经编码预测，往往需要针对视觉或听觉单独设计专用网络，工程繁重且很难泛化。TRIBE 证明了直接拼装现有多模态大模型的表征，就能在大脑反应预测上拿下顶尖水准，这条路走得非常聪明。

我们认为，对从事神经计算、脑机接口和认知科学的研究者来说，这是一个现成的高质量基线。不过它主要针对连续影视刺激下的 fMRI 建模，普通开发者很难直接在消费级设备上跑完海量神经影像，门槛依然在科研端。