单试次 EEG 类别解码中的对象实例表征学习

基于摘要分析。该研究关注单试次 EEG 视觉对象类别解码中的泛化问题：当同一对象的重复试次同时出现在训练集和测试集时，分类器是否可能仅凭类别标签学到对象实例表征，而非可推广至未见对象的类别信息。其主要贡献是检验这一潜在混淆，并据此审视已有类别解码结果的解释边界。 核心机制是重复刺激对象与数据划分之间的关系。即使训练监督只提供类别标签，同一对象在不同试次中仍可能具有可被分类器利用的表征；若这些试次跨训练集与测试集分布，测试表现就可能部分反映对已见对象的识别，而不等同于对未见对象的类别泛化。这是作者提出的潜在泄漏路径，不应据此直接认定所有采用重复试次的研究都存在泄漏。 作者报告，在 Kaneshiro et al. (2015) 和 Gifford et al. (2022) 两个数据集上，简单分类算法与复杂深度学习模型均能在仅有类别标签的条件下学习对象实例表征。该结论对应同一对象的试次允许同时出现在训练与测试集的前提。摘要未提供具体算法、被试数量、划分比例、被试内或跨被试协议及 Accuracy 数值，因此无法量化其影响，也不能比较不同协议下的性能。 作者据此认为，若干已发表模型的真实泛化能力可能被高估，其报告的准确率可能受到这种细微泄漏的影响。摘要尚不足以核实受影响研究的范围或性能膨胀幅度。阅读全文时应重点核对对象实例的定义、训练与测试对象是否重叠，以及对象隔离划分下的对照结果；具体实验协议、消融及统计信息尚未验证。复现需要明确重复试次与对象身份的对应关系，不能仅依据类别标签或试次级划分判断泛化能力。