Mind-Omni: A Unified Multi-Task Framework for Brain-Vision-Language Modeling via Discrete Diffusion

核心要点

问题/背景

这篇论文针对脑-视觉-语言建模的碎片化问题：现有模型通常为单一编码或解码任务定制，难以复用任务间共享的脑表征。

方法/机制

Mind-Omni 提出 Brain Tokenizer，把连续异构脑信号离散化为统一 token，再通过 discrete diffusion 支持多种脑-视觉-语言任务，并构建 Brain Question Answering 指令数据来激活更强的语义推理。

结果/证据

它值得收录，因为它把脑信号处理显式推向 tokenized multimodal foundation-model 接口，这对未来脑机接口、脑解码和多模态表征学习都有系统化价值。

收录价值

按当前收录规则，它是高潜力预印本而非已定论突破；模型规模、跨数据集泛化、脑信号类型覆盖和真实 BCI 部署仍需验证。