SDA：用于对比式句子表征学习的简单离散增强

基于摘要分析。本文研究无监督句子表征学习中的数据增强问题，提出 SDA，通过简单的离散文本变换构造对比学习样本，目标是在保持语义一致性的同时增加表达多样性；研究对象是自然语言句子，并非 EEG 或 BCI 信号。 作者重新考察了 SimCSE 使用的 dropout 连续增强，以及裁剪、词删除、同义词替换等离散增强，提出合理增强应平衡语义一致性与表达多样性。在此基础上，SDA 采用标点插入、情态动词和双重否定三类句子增强，以词汇层面的最小扰动生成不同表达。此外，方法利用标准否定生成负样本，旨在缓解对比学习中的特征抑制。摘要未提供具体变换规则、负样本配对方式、损失形式及训练配置，这些细节尚未验证。 作者报告，在多个数据集上的语义文本相似度实验中，所提方法表现出一致优势；但摘要未列出数据集名称、评估指标、具体数值与逐项对照结果，因此无法判断优势幅度及适用边界。实验协议、消融及统计信息尚未验证。摘要提供了关键代码的仓库地址，但实现完整性与复现条件尚未核验。 该方法依赖文本中可操作的语义与逻辑结构，不能直接把标点、情态动词或否定操作等同于 EEG 增强。现有材料未建立这些操作与神经信号之间的具体对应关系，因此不据此提出 BCI 迁移效果或复现实验建议；相关 EEG 工作尚未检索确认。