论文arxiv cs.LG · 3w ago需要关注
Omni-Sleep: A Sleep Foundation Model via Hierarchical Contrastive Learning of CNS--ANS Dynamic
分类释义：学术论文 / 技术报告
TL;DR
Omni-Sleep 是一个睡眠基础模型，通过 CNS/ANS 生理分区作为先验，学习 EEG、ECG 等多模态睡眠信号的层次化表征，在超过 10 万小时数据上预训练后在睡眠分期和疾病分类任务上优于现有基础模型。
关键要点
- 01Omni-Sleep 是一个睡眠基础模型。
- 02通过 CNS/ANS 生理分区作为先验。
- 03学习 EEG、ECG 等多模态睡眠信号的层次化表征。
- 04在超过 10 万小时数据上预训练后在睡眠分期和疾病分类任务上优于现有基础模型。
为什么值得关注
该模型展示的层次化生理先验建模思路（分系统学习再跨系统同步）对医疗多模态 AI 系统设计有直接参考价值；其对缺失模态的鲁棒性可直接转化为可穿戴设备的低功耗推理方案——例如在 EEG 信号断流时自动降级使用心率变异性单独推断睡眠阶段。
对你的工程实践意味着什么
LLM 实时生成MiniMax-M2.7缓存命中
| 角色 | 你应该做什么 |
|---|---|
| Tech Lead | 评估 Omni-Sleep 的层次化先验设计是否可复用到团队其他多模态医疗 AI 项目 |
| 应用工程师 | 评估现有睡眠分期流程是否可迁移到 Omni-Sleep API，降低自研成本 |
| 运维 / 平台 | 评估预训练模型推理的算力需求，规划 GPU 资源或边缘部署方案 |
| 产品 / 业务 | 规划基于模态降级的轻量级睡眠监测功能，作为可穿戴设备的差异化卖点 |
同类资讯
本页 TL;DR 与「为什么」由 LLM 生成 · 模型：MiniMax-M2.7 / Claude Haiku 4.5