arXiv 于 2026 年 10 月 19 日发布论文《Scaling Parameter-Efficient Fine-Tuning for Brain Encoding》，作者为 Zhuofan Josh Ying、Nikolaus Kriegeskorte、Hossein Adeli 等九人。研究提出以低秩适配器（LoRA）加轻量读出层的方式，把最高 104B 参数的多模态预训练骨干适配到大脑编码任务，作者称这是迄今用于大脑编码的最大模型。作者还表示，该方法在九个多模态骨干上均稳定提升脑编码表现，并在与先前最优方法相同的 Qwen3-Omni 骨干上取得 Algonauts 2025 挑战赛已发表最佳成绩；借助多 LoRA 内核训练出的 200 多个适配模型集成，在公开的 Algonauts 赛后榜单上排名第一。上述结果均为作者自述，尚未见到独立验证。