自监督学习中的逐步特征学习

基于摘要分析。该研究关注自监督学习（SSL）为何优先学习数据集特有的捷径特征，而非更具泛化性的特征，并提出以 extent bias（范围偏置）和 amplitude bias（幅度偏置）解释特征学习次序的理论框架。 作者报告，其分析将这两类偏置与 SSL 的学习优先级联系起来，指出特征的维度属性和幅度，而非语义重要性，主导了所分析条件下的学习动态。特征交叉相关矩阵的特征值影响哪些特征更早被学到，为模型偏好捷径特征提供了机制解释。摘要未给出两类偏置的严格定义、理论假设、具体 SSL 目标或实验结果，因而尚不能判断结论对不同训练目标与真实数据的适用范围；实验协议、消融及统计信息尚未验证。 平台推测（待验证）：若 EEG 自监督表征也存在由幅度或特征维度驱动的学习优先级，该框架可能帮助解释模型为何优先编码高幅伪迹或采集条件，而非任务相关活动；这不是本文已证实的 EEG 结果。可复用的是学习次序与特征谱的分析思路，需改造的是 EEG 特征分解、伪迹控制及跨被试评估方式。低信噪比、通道差异和小数据条件可能使谱结构估计不稳定，且高幅成分不必然是捷径。一个可证伪的小实验是在固定 EEG 自监督目标与数据划分下，仅控制加入的任务无关扰动幅度，检验其被编码的时间次序是否随幅度变化，并观察跨被试表现是否同步变化。相关 EEG 工作尚未检索确认。