发生了什么变化，还可能发生什么变化？用于程序感知视频表征学习的状态变化反事实

基于摘要分析。本文研究程序性活动的视频理解：不仅建模动作步骤的时间顺序，还关注动作如何改变场景，以及场景变化如何影响后续步骤，包括意外或错误步骤。核心贡献是利用 Large Language Models（LLMs）生成状态变化描述，作为视频编码器的监督信号，并引入模拟假设失败结果的状态变化反事实。 方法的关键在于将“发生了什么变化”与“还可能发生什么变化”共同用于表征学习。相较于摘要所述以动作时序为主的既有方法，作者希望通过场景转变及未观察到的假设情境，帮助模型理解活动步骤中的因果关系；但这种训练是否获得了可泛化的因果理解，不能仅凭摘要确认。 作者报告在 temporal action segmentation、error detection、action phase classification、frame retrieval、multi-instance retrieval 和 action recognition 等程序感知任务上取得改善。摘要未提供数据集、划分协议、对照基线或具体指标，因此无法核对提升幅度及不同任务间的可比性。LLM 输入来源、描述与视频的对齐方式、反事实生成和筛选规则、训练目标、实验协议、消融及统计信息尚未验证。 本文主要研究对象是程序性活动视频，并非 EEG 或 BCI。其文本监督与反事实机制能否用于神经信号表征尚无本材料支持的验证，相关 EEG 工作也尚未检索确认，不应将视频任务结果视为 BCI 有效性的证据。