更好的边界预测并不保证更好的结构表征

基于摘要分析。本文研究以标点符号作为短语边界的代理监督，是否能改善语言模型对论元、语义和句法结构的表征。作者在英语任务中，为传统 token 预测补充 punctuation restoration（PR，标点恢复），并在 decoder-only、encoder-only 和 encoder-decoder 三类语言模型上检验这一假设。 研究的核心是区分代理任务优化与目标能力提升：标点往往携带短语边界信息，但提高边界预测能力不一定意味着模型学到了更有效的语言结构表征。作者报告，在参数量小于 1B 的实验范围内，边界预测优化未能改善需要理解输入语言结构的下游任务表现，三类模型的证据均不支持“边界预测更好必然带来结构表征更好”的推论。该结果不应外推为所有规模、语言或结构监督方式均无效。 摘要未提供具体模型、数据集、下游任务、数据划分、指标及结果数值，也未说明 PR 与 token 预测的训练组织或损失配置；实验协议、消融及统计信息尚未验证。因此，当前能够确认的是作者报告的结论方向，尚不能判断不同架构的效应差异及其成因。研究主要对象是语言模型，材料未提供 EEG/BCI 实验或足以支持具体迁移方案的机制证据，不据此推断神经信号表征效果。