从评分到行动：联合时间序列生成器的认证采纳与 K > 2 控制

基于摘要分析。本文研究联合时间序列生成中的“选择性结构保真”：既允许变量间关系演化，又保护任务要求保留的结构。核心贡献是参考感知的评估约定，以及秩自适应的 K > 2 路径控制器 KRPC，分别检验生成轨迹是否合理、请求的改变是否正确执行，以及是否有证据支持采纳该改变。 机制上，KRPC 通过薄矩阵乘积实现矩阵形式的控制请求，具有端点与补空间保持、基协变性及显式拒绝机制。摘要强调，正确执行控制并不等于改善生成质量；拒绝请求也应纳入评估，而不能仅比较成功输出的分数。具体约束、认证条件与拒绝判据尚未验证。 作者报告，在锁定的 2024 年天气面板数据上，保留事件的校正相较其校准参考改善了六项质量指标；路径条件化相较匹配的历史条件化对照，也改善了 Energy 与增量 Energy。作者报告，另一项锁定的 2025 年专家策略相较其受保护参考使 Energy 改善 0.0600%，但并未在全部候选方法中领先。作者还报告，在 K = 500 的径流集合上执行秩为 4 的请求，展示了高维控制请求的执行能力；这不应直接解释为生成质量优势。 EEG 与受控决策研究用于揭示质量—覆盖权衡及信息限制，但摘要未提供 EEG 任务、数据集、被试、划分或量化结果，不能据此认定具有 BCI 收益。全文复核应重点检查参考与对照如何确定、锁定协议的具体含义、拒绝行为与覆盖率如何统计，以及执行保证与实际收益分别由何种证据支持。实验协议、消融及统计信息尚未验证。