状态空间模型是有效的手语学习器：利用音系组合性实现词汇规模识别

基于摘要分析。本文研究手语识别随词汇量扩大而性能下降的问题，提出 PHONSSM，将手形、位置、运动和朝向等可跨词汇复用的音系要素引入表征学习，以替代将每个手语词视为独立视觉模式的扁平表示。 方法结合具有解剖学依据的图注意力、向正交子空间的显式因子分解，以及支持少样本迁移的原型分类。其核心假设是：利用语言结构中的组合性归纳偏置，可以缓解大词汇量下的表征瓶颈。摘要未说明状态空间模块的具体作用、音系要素如何获得监督、正交约束的损失形式及训练流程，相关实现尚未验证。 作者报告，研究仅使用骨架数据，并涉及包含 5,565 个手语词的 ASL 数据集合；“规模最大”是作者的表述，数据来源、构建方式及其与各评估集的关系仍需正文核对。在 WLASL2000 上，作者报告结果为 72.1%，较所比较的骨架方法最佳结果提高 18.4 个百分点，并超过多数 RGB 方法；摘要未明确该百分数的指标定义及数据划分。作者另报告少样本条件下相对提升 225%，以及零样本迁移至 ASL Citizen 时超过有监督 RGB 基线，但未提供少样本配置、迁移指标或具体对照条件，不能据此进行跨协议比较。 阅读和复现时应重点核对数据集合与类别重叠、骨架提取流程、少样本及零样本的定义，以及图注意力、因子分解和原型分类各自的贡献。实验协议、消融及统计信息尚未验证。本文的直接研究对象是基于视觉骨架的手语识别，并非 EEG 或 BCI；摘要未提供将手语音系结构映射到神经信号的具体依据，不应将其结果视为 BCI 有效性的证据。