连接连续与离散空间：通过组合操作学习可解释的句子表示

该研究探讨句子的组合语义能否直接对应嵌入空间中的组合操作，提出端到端框架 InterSent，使连续表示的变换能够解释为句子融合、差异等离散文本操作。基于摘要分析，尚未取得论文全文。 传统句子嵌入主要用于刻画语义相似度；本文进一步关注表示能否支持具有明确语义含义的操作。InterSent 联合优化操作网络与瓶颈编码器—解码器模型，将嵌入空间的变换与文本层面的组合操作联系起来。摘要未披露具体操作定义、损失函数、监督数据构造及训练细节，其可解释性应理解为变换具有可对应的句子操作含义，而非已验证模型内部机制完全透明。 作者报告，在四项文本生成任务上，InterSent 相较既有方法显著改善了句子嵌入的可解释性，同时在传统语义相似度任务上保持较强表现。摘要未提供任务名称、数据集、划分、基线、指标或数值，因此尚不能判断改善幅度、统计显著性依据及不同组合操作之间的表现差异；实验协议、消融及统计信息尚未验证。 本文的主要研究对象是文本句子表示，而非 EEG 或 BCI。材料未给出神经信号与句子组合操作之间的具体对应机制，不据此推断其对 EEG 解码或跨被试泛化有效；已有 EEG 相关工作尚未检索确认。