均匀性是相对的：跨表示几何的最大熵原理

基于摘要分析。本文研究自监督学习中不同表示空间应采用何种均匀性参照，提出在固定测地尺度下，相对于内蕴黎曼体积定义最大熵分布，使均匀性成为几何与尺度的共同属性，而非脱离表示空间的统一目标。 核心机制是依据表示空间自身的体积度量构造参照分布。摘要称，该原则可恢复球面与欧氏空间的典型参照，并在曲空间产生不同的目标分布。作者指出，将切空间高斯分布移植到曲空间会忽略依赖曲率的体积增长，即使重新调整尺度，仍存在不可消除的 Kullback–Leibler 散度差距。论文进一步通过径向—角向分解，得到可处理的小批量优化目标；具体约束、损失表达式及估计方式尚未验证。 作者报告，实验验证了预测的曲率相关几何失配，展示了其对径向和层次组织的影响，并表明内蕴均匀性与跨视图对齐具有互补作用。摘要未提供数据集、任务、对照配置或定量指标，实验协议、消融及统计信息尚未验证，不能据此判断其收益幅度或跨任务稳定性。 平台推测（待验证）：若 EEG 自监督表示采用球面或其他黎曼流形约束，该原则可能帮助检验均匀性目标是否与表示几何匹配；原方法依赖明确的几何、尺度和跨视图学习结构，并非直接解决 EEG 低信噪比或跨被试偏移。可复用部分是几何感知的参照分布与均匀性目标，需改造 EEG 编码器、增强方式及尺度估计。假设性小实验可在固定跨被试划分、编码器和对齐目标下，仅替换均匀性目标，同时评估下游性能与表示几何；噪声视图、小样本和被试差异可能使分散目标保留非任务信息。已有 EEG 相关工作尚未检索确认。