浙大团队发布BrainBench：用17个数据集检验大模型脑电分析能力

浙江大学脑机智能全国重点实验室团队发布BrainBench基准，用17个数据集、172个任务、4K+真实实例检验大模型能否按自然语言指令完成可验证的EEG分析。评测13个API模型、超10万次执行，头部模型Overall约70+，跨模态生理整合最难；结构化Agent在数值校验和跨实例稳定性上更稳，自由写码（CodeAct）更灵活，Hard任务上分数常掉到三十多。开推理有用但猛堆推理收益有限。