TRIBE v2：AI预测大脑对视频刺激的fMRI响应 用Meta自家的三个基座模型分别提取视觉、音频和文本特征，统一投影到同一维度后拼接，再通过Transformer建模时序和跨模态关系，最终预测1000个脑区的fMRI信号。 在Algonauts 2025比赛中获得冠军。 模型：