01
清醒闭眼
α 波：规律的“嗡嗡声”
- 8–12 Hz
闭眼放松时，脑电里常有每秒 8 到 12 次的规律振荡。
新闻特写 · NeurIPS 2026 EEG/EMG 基础模型挑战赛 · 入睡预测赛道
你还有几分钟睡着？
一条戴在额头上的头带，能不能提前算出你离“真正睡着”还有多久？
图1 戴脑电头带入睡的人（示意图，AI 生成）
1 · 为什么重要
如果头带知道你快睡着了，它就能帮上忙。
失眠很常见。如果头带能提前知道你快睡着了，它就能在合适的时候关掉灯光和声音、调整助眠音频，或者帮医生评估“入睡困难”到底有多严重。
家用头带便宜、舒服，可以天天戴；代价是信号差：医院的多导睡眠图要贴一身电极，这里只有 4 个，噪声也多得多。
- TP9 左耳后
- 电极 1
- AF7 额头左侧
- 电极 2
- AF8 额头右侧
- 电极 3
- TP10 右耳后
- 电极 4
Muse 头带的全部四个电极。
2 · 脑电入门
从清醒到睡着，脑电的“笔迹”会一步步变样。
大脑神经元放电，会在头皮上留下微伏级（百万分之一伏）的电压。
02
变困 · N1
α 波消失，眼球慢慢转
α 波退场，眼球缓慢地左右滚动，肌肉开始放松。人这时常常觉得自己“还没睡”。
03
睡着 · N2
纺锤波和 K 复合波出现
- 12–15 Hz 纺锤波
出现睡眠纺锤波（短暂的快速爆发）和 K 复合波，信号整体变小、变“细碎”。N2 是医学上比较公认的“真正睡着”的标志，也是本赛道的终点线。
3 · 任务规则
模型像看直播：只能看过去，不能偷看未来。
录音按时间顺序一段一段送进模型，每 5 秒一个窗口。每段录音开始时，模型的记忆清零。每个窗口，模型都要回答：距第一次 N2 还剩多少秒？超过 600 秒的一律记为 600。
| 躺下后 | 正确答案 | 说明 |
|---|---|---|
| 0 秒 刚躺下 | 600 | 实际还剩 690 秒，封顶记 600 |
| 90 秒 | 600 | 仍超过 600，答案不变 |
| 300 秒 | 390 | 倒计时开始走动 |
| 600 秒 | 90 | 进入权重 5 的区间 |
| 650 秒 最后冲刺 | 40 | 再往后，误差按 10 倍计 |
| 690 秒 第一次 N2 | 0 | 睡着了 |
4 · 怎么评分
越接近入睡，猜错越“贵”。
W-bMAE：加权分段平均绝对误差，越低越好。
把真实剩余时间分成四段，每段里先算平均误差（猜的秒数和真实秒数差多少），再按权重加权。每条录音得一个分数，最后对所有录音取平均。临睡前 40 秒内猜错 1 秒，相当于很早的时候猜错 10 秒。
5 · 数据长什么样
多数人要躺十分钟以上才睡着。
公开训练数据来自 NEMAR 数据集 nm000287，采样率 128 Hz，每条录音从躺下开始。
540条录音
203名受试者
11.5 分入睡时间中位数
58%录音超过 10 分钟才入睡
到第一次 N2 的时间，四分位范围是 7.5–16.7 分钟，最短 1 分钟、最长 25 分钟。因为多数人要十分钟以上才睡着，每条录音开头一段时间的正确答案都是“600”。
6 · 赛程与奖励
五次机会，取最好一次，前三名还要过复现审计。
-
热身赛
公开数据测试，40 条录音。进行中（11 月 5 日前）
-
11 月 5–22 日
密封赛（北京时间）：每天限 1 次，共 5 次，取最好一次。即将开始
-
11 月 22–30 日
复现审计：前三名按提交的训练流程重跑，分数需在 ±2 个标准差内。未开始
-
NeurIPS 2026
悉尼 Brain and Body Workshop 公布结果。未开始
- 第 1 名 可改选 Muse 远程实习
- $2,000
- 第 2 名
- $2,000
- 第 3 名
- $2,000
- 全能奖 跨赛道
- $2,000
第 3 赛道奖金，美元。
提交要求
- 方法说明
- 声明外部数据和算力
- 评测限 60 分钟、单 GPU
7 · 一支参赛队的实践
三层搭起来的模型，把误差从 47.83 降到 42.00。
作者团队的做法；数字为本地评测。
01
特征工程
给每 5 秒脑电写一份“体检报告”
- 近 300 维
把波形变成数字：各频段能量（δ、θ、α、σ、β）、α 间歇、眨眼与眼动、肌电强度等。
02
GRU 循环神经网络
一个有记忆的读者
一边读一边记住前面发生过什么，判断“困意”是否在累积。有的 GRU 直接输出秒数，有的输出“各种可能时间的概率分布”。
03
决策层
LightGBM 来拍板
用梯度提升树把多个模型的意见和它们的平滑趋势合在一起，直接按比赛的加权误差来训练。
| 版本 | W-bMAE | 备注 |
|---|---|---|
| v3 热身提交 | 47.83 | 热身榜 185 队中第 117 |
| v7 | 42.91 | |
| v8 | 42.76 | |
| v9b | 42.63 | |
| v10 最佳 | 42.00 | 加入眼动、眨眼、肌电、α 间歇特征；计划作为密封赛首交 |
按受试者分组的交叉验证约 40.7。
教训一：别被热身排名迷惑
分数低得离谱，往往不是模型好。
热身榜前列很多队伍分数异常低，因为公开测试集的标签能从公开数据里拿到（标签泄露）。密封赛换成私有数据后，这种分数会失效。
教训二：聪明点子不一定管用
以下都试过，结果都变差：
- 原始脑电直接喂卷积网络
- 预训练脑电大模型的嵌入
- “认出是谁再个性化”
- 逐记录归一化
在科学研究里，可靠的负结果同样有价值。
8 · 术语表
十三个词，一句话说清。
信号
- EEG 脑电图：用头皮电极记录大脑微弱电活动的曲线。
- EMG 肌电图：记录肌肉收缩时产生的电信号，放松时会变弱。
- α 波：清醒闭眼时每秒 8–12 次的规律脑电振荡。
- 睡眠纺锤波：N2 期约 12–15 Hz、持续一两秒的快速爆发，形状像纺锤。
睡眠
- N1/N2 睡眠分期：N1 是似睡非睡的浅睡，N2 是公认“真正睡着”的阶段。
- 入睡潜伏期：从躺下到睡着所用的时间。
评分
- MAE 平均绝对误差：每次猜测与真实值差多少，取平均。
- W-bMAE：先分段算 MAE，再按“越近入睡越重要”加权平均。
- 交叉验证：轮流拿一部分数据当考卷、其余当课本，检验模型是否真学会了。
模型与规则
- GRU：一种带“记忆”的神经网络，按顺序读数据并记住前文。
- 梯度提升树：很多棵小决策树接力，每棵专门纠正前面的错误。
- 标签泄露：答案意外混进了考题，分数好看却不真实。
- 复现审计：主办方按你交的流程重跑一遍，看分数是否对得上。
9 · 参考文献与链接
想自己上手，从这里开始。
- EEG/EMG Foundation Challenge 2026 比赛官网. neural-interfaces26.github.io
- 奖项说明. neural-interfaces26.github.io/prizes.html
- NEMAR 数据集 nm000287. doi.org/10.82901/nemar.nm000287
- Track 3 入睡预测起步教程（NeuralBench）. facebookresearch.github.io/neuroai