重新审视持续表征学习中的监督作用

基于摘要分析。本文研究按任务顺序学习的持续表征学习，重新审视自监督表征的迁移优势究竟来自学习范式，还是与多层感知机（MLP）projector 的配置有关。作者报告，在其持续表征学习评估中，加入 MLP head 的监督模型可以优于自监督模型；摘要未给出具体任务序列、评估协议或指标数值，结论的适用范围尚未验证。 核心机制是将监督信息与表征投影模块的作用区分开来。作者以自监督方法的迁移能力常被归因于 MLP projector 为切入点，认为额外的人类标注不应降低表征质量，并据此重新考察带 MLP head 的监督学习。摘要强调该模块对连续任务间特征迁移的重要性，但未说明具体损失、投影头结构、训练与推理时的使用方式，以及是否结合其他抗遗忘机制。 阅读正文时，应重点核对监督与自监督对照是否匹配骨干、投影头、训练预算及数据访问条件，并区分表征迁移与旧任务保持能力。数据集、任务划分、消融及统计信息尚未验证，不能据摘要判断其跨任务收益是否稳定。 平台推测（待验证）：若 EEG 的跨会话或跨被试学习被组织为顺序任务，MLP projector 可能是检验表征可迁移性的可复用模块；但这一假设不代表已有 BCI 效果。迁移需适配 EEG 编码器、标注任务及会话结构，低信噪比、通道差异和小样本可能使投影头过拟合，且迁移收益不必然意味着遗忘减少。可在固定 EEG 任务序列、编码器和训练预算下，对比有无 MLP head 的监督方法与匹配配置的自监督方法，分别评估新任务迁移和旧任务性能。已有 EEG 相关工作尚未检索确认。