SCoRE：用于跨被试 EEG 解码的可学习反射等变性

基于摘要分析。SCoRE 针对跨被试 EEG 解码中的个体差异，提出以反射等变性作为显式归纳偏置，在保持模型紧凑的同时学习跨被试共享结构，而非主要依靠扩大预训练模型与数据规模。 核心机制是约束输入空间反射与输出类别证据变换之间的对应关系：共享网络同时处理原始输入及其反射，通过联合训练与参数化构造等变分类器，分别捕获随反射发生反转的类别证据和保持不变的类别证据。摘要以对侧运动控制及手部运动诱发的头皮镜像活动作为生理动机；反射等变性可推广至更广泛脑活动，是作者提出的假设，不能视为已普遍确立的生理规律。具体反射算子、输出变换、损失形式与网络结构尚未验证。 作者报告，在跨被试 EEG 解码评估中，SCoRE 相对紧凑 EEG 基线的 Accuracy 提升为 10.37 个百分点，并以远小于预训练模型的规模取得优于作者所称最先进预训练模型的表现。摘要未提供数据集、任务、被试数量、数据划分、基线名称、模型规模及结果汇总方式，因此该数值仅能按摘要所述背景记录，尚不能判断各任务收益或比较公平性。作者还报告，学到的输入反射和输出变换具有可解释性，并与既有生理知识一致；其支持证据需核对全文。 阅读与复现应重点核对通道空间布局如何参与反射学习、不同类别如何定义输出变换，以及这种约束在非对称活动或不同任务中的适用边界。复现所需的预处理、跨被试划分、训练配置、代码可用性、消融及统计信息尚未验证；不能据摘要判断作者是否已完成这些检验。