SleepMaMi睡眠基础模型提出

2026年10月23日，arXiv Artificial Intelligence 刊出 Keondo Park 等作者的论文，提出睡眠基础模型 SleepMaMi。该模型采用宏观编码器与微观编码器的分层双编码器设计：宏观编码器通过人口学引导对比学习，将整夜睡眠模式与年龄、性别、BMI 等受试者元数据对齐；微观编码器结合 MAE 与多模态对比目标优化，以同时建模整夜睡眠宏观结构与细粒度信号形态。报道称，模型在超过 20,000 份 PSG 记录（158K 小时）上预训练，并在多项下游任务上优于或持平现有 SOTA 基础模型。目前事件进展停留在论文发布与模型介绍层面，尚无后续跟进报道。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。