两个编号先落下来。arXiv 2609.10518，9 月 9 日。作者单位是南方科技大学生物医学工程系、华威大学计算机系、深圳理工大学与 Omni-Intelligence，通讯作者 Quanying Liu。
补一个原帖通篇没给的数字：Brain-DiT 跨的是 10 个 fMRI 领域估难度与有向促进关系。下游是 15 个任务，这个原帖说对了。
三个降幅对得上：v-NMSE 6.5%、PSD-NMSE 16.3%、FC-MSE 10.5%。摘要里有个限定值得照抄，这三个数是相对均匀采样、且「域优先级 + 高到低噪声时间步」两个维度同时生效才拿到的，单靠排课程顺序拿不满。
【判断】最需要降一格的是 BIP 那段。摘要原文写的是 exploratory sealed-test evaluation shows larger descriptive gains for BIP policies，探索性的封测评估、描述性的增益。原帖把「绕道比直走更快」当成结论讲了，中间差着一整个验证环节：封测、描述性、且只在「高阶路径空间可用时」才比随机对照大。
还有一条原帖没点破。全文反复强调 without modifying the backbone，这套方法一点模型结构都没动，只在数据调度和迁移路径上做文章。这既是卖点，任何现成 fMRI 骨干都能套；也是天花板，收益上限被骨干锁住，6.5% 到 16.3% 大概就是这一代骨干能挤出来的量。
原帖那个「人类大脑发育顺序」的类比（感觉皮层先成熟、联合皮层次之、前额叶最后）在论文 Fig.2(a) 里确实被画成了动机图。它是动机，不是证据。论文拿它引出课程设计，没有拿它证明课程设计。
下一根钉子：把这 10 个领域的有向促进矩阵公开出来。别人能不能在自己的数据上复算出同一张课表，是这套方法有没有泛化能力的唯一判据。