EMMA-X：用于跨语言表征学习的类 EM 多语言预训练算法

基于摘要分析。EMMA-X 研究如何在平行语料稀疏、匮乏的条件下，利用大量多语言非平行数据学习跨语言通用语义表征；其核心贡献是将跨语言表征学习与额外的语义关系预测任务统一到类 EM 框架中。 机制上，额外的语义分类器与跨语言句子编码器均用于近似两个句子之间的语义关系，并相互提供监督直至收敛。该方法的主要研究对象是自然语言句子表征，而非神经信号。摘要未交代语义关系的具体定义、句子配对方式、损失函数及类 EM 更新步骤，这些实现细节尚未验证。 评估方面，作者在新引入的 xrete 基准上开展实验；该基准包含 12 项依赖句子级表征的跨语言任务。作者报告 EMMA-X 在该评估范围内达到最先进性能，并通过表征空间的三项几何要求进一步分析其相对先进模型的优势。摘要未提供具体分数、比较模型、语言覆盖或几何要求的定义，实验协议、消融及统计信息尚未验证。 平台推测（待验证）：若 EEG 数据具备可定义的跨被试或跨会话语义关系，该相互监督机制可能用于研究非配对数据的表征对齐，但跨语言共享语义不等同于神经信号间的共享结构。可考虑复用编码器与关系预测器相互监督的思路，同时改造 EEG 编码、片段配对和关系目标；低信噪比、通道差异及小数据可能导致关系估计错误被反复强化。一个可证伪的小实验是，在固定跨被试划分与标签预算下，对比基础编码器与加入关系预测相互监督后的版本，检验收益是否稳定。相关 EEG 工作尚未检索确认。