Vision Transformers 的统一且具有生物合理性的关系图表示

基于摘要分析。本文研究如何统一表示不同 Vision Transformer（ViT）架构，以系统分析其表征性能，以及人工神经网络与真实生物神经网络的相似性；核心贡献是提出由 aggregation graph 和 affine graph 构成的关系图表示，而非 EEG 解码方法。 机制上，aggregation graph 将 ViT tokens 视为节点，描述空间 patch 信息之间的交互；affine graph 将网络通道视为节点，描述通道间的信息通信。该表示试图用共同的图结构语言比较不同 ViT 的信息聚合策略。摘要未说明边的构造、权重定义、跨层处理方式，以及所用图指标和生物网络参照数据。 作者报告，在其所评估的 ViT 模型中，模型性能与图指标密切相关，所提出的关系图表示与真实生物神经网络具有较高相似性；作者还报告，训练时利用表现更优的模型约束 aggregation graph，可进一步改善模型性能。摘要未提供任务、数据集、模型范围、对照基线、相似性度量或收益数值，实验协议、消融及统计信息尚未验证。图结构相似性本身不能等同于生物计算机制一致，也不构成 BCI 有效性的证据。 平台推测（待验证）：可检验的迁移假设是，将该关系图分析用于 EEG Transformer，观察 token 交互结构是否与跨被试泛化表现相关。可复用的是 token／通道双图的分析框架；需根据 EEG 的时间、频率和电极组织方式改造节点与边的定义，不能直接沿用视觉空间邻接。其依赖可提取的模型交互关系及明确的图构造规则；监督信号和训练规模要求尚未验证。低信噪比、被试差异、通道布局变化及小数据可能使图指标主要反映噪声或训练拟合。一个小规模检验是在固定 EEG 数据集和跨被试划分下，比较多个训练种子的图指标与解码表现是否稳定相关，再决定是否测试图约束训练。已有 EEG 相关工作尚未检索确认。