逃离随机教师初始化可增强信号传播与表征

基于摘要分析。本文研究学生网络模仿随机教师网络时，即使初始化于教师参数这一全局最优点，仍能逃离该位置并改善表征的现象，重点分析其动力学驱动因素以及信号传播和表征可分性的变化。 机制方面，作者先构建简化设置，并报告很大的学习步长是驱动逃离现象的主要因素。作者报告，逃离过程呈现两个阶段：网络先经历某种形式的表征坍塌，随后进入既有利于输入信号传播、又能产生良好条件性表征的参数区域。摘要提出，这一过程可能与 edge of stability 和不依赖标签的动力学有关；这属于可能的解释关联，不宜表述为已确立的因果机制。 其研究价值在于分析随机教师模仿为何可能改善表征，而非提出经验证的 EEG 解码方法。摘要未交代网络结构、模仿目标的具体损失形式、训练数据及规模、步长范围、表征诊断指标或下游评估协议；实验协议、消融及统计信息尚未验证。复现前尤其需要核对：初始化于全局最优点时，触发参数离开的具体条件，以及各阶段表征变化的测量方式。 平台推测（待验证）：若该动力学对输入结构具有一定普适性，随机教师模仿可作为 EEG 自监督表征学习的候选机制，但需改造输入编码与教师结构，不能将通用输入信号传播的改善直接等同于神经信号信息保留。低信噪比、通道差异及小样本条件可能使大步长优先放大噪声或产生不稳定训练。一个可检验的小实验是：固定 EEG 数据划分和网络结构，对照常规步长与大步长的随机教师模仿，分别检查训练稳定性、表征条件性与固定线性探针的解码表现，检验表征诊断改善是否伴随任务收益。相关 EEG 工作尚未检索确认。