InstEmb：通过前瞻信息构建遵循指令的嵌入表示

基于摘要分析。InstEmb 面向文本指令遵循嵌入，旨在解决仅依赖输入最后一个 token 的隐藏状态难以捕获完整输出语义，以及离散到连续重新编码可能造成语义不连续的问题。其核心贡献是联合学习输入内在语义与输出感知语义，并提出与这两类训练目标对齐的 Dual-Anchor Alignment Pooling（DAAP）。 机制上，输入内在语义通过针对输入最后一个 token 表示的对比学习优化；输出感知语义则通过可学习的 look-ahead tokens 和表示自蒸馏获得。作者称该设计不引入额外解码延迟，但摘要未交代蒸馏目标的构造、look-ahead tokens 的具体交互方式，以及 DAAP 的计算细节，相关实现与开销仍需正文核对。 作者报告，在不使用基准专属监督数据的条件下，InstEmb 在多个指令遵循基准上取得最先进表现。摘要未列出基准名称、指标、分数、数据划分及对照模型，因此尚不能核对性能优势的幅度或适用范围；不使用基准专属监督数据也不等于整体训练无需监督。实验协议、消融及统计信息尚未验证。 该研究的直接对象是文本嵌入，而非 EEG 或 BCI。摘要提供了利用输出感知信息改进表示学习的机制线索，但未建立其与神经信号数据结构或任务监督之间的具体对应关系，因而不据此推断 EEG/BCI 效果或提出迁移实验。已有 EEG 相关工作尚未检索确认。