Conformal Test Martingales 的信息几何盲区

基于摘要分析。本文研究 Conformal Test Martingales（CTMs）在序贯检验可交换性时的不可检测分布偏移：即使原始数据分布发生变化，只要 conformity function A 诱导的分数分布保持不变，基于该 A 产生的 p 值及 CTM 就无法识别这种变化。贡献是以信息几何刻画这一盲区，而非提出 EEG 或 BCI 解码方法。 作者用 A-等价类 [P]_A 表示具有相同分数分布的分布集合，并报告：对目标分布 T，可在该等价类中找到 KL 意义下唯一的最近分布 Q*，称为 A-cryptic I-projection。摘要给出显式密度 q*(z)=t(z)p_S(A(z))/t_S(A(z))，并提出将偏移分解为可检测成分与隐蔽成分的勾股式分解。作者还指出，当 A 为 Neyman–Pearson likelihood ratio 时，隐蔽成分消失，从而与最优 e-value 设计建立联系。上述结论的正则条件、密度支持要求及适用范围需核对全文。 在高维图像示例中，作者报告通过条件重采样 EMNIST letters，使其 conformity scores 与 MNIST digits 的分布完全匹配，构造支持集不相交、却对对应 CTM 不可见的分布。该示例说明固定分数映射可能丢失检测所需信息，不能据此推断所有漂移检测方法均失效。实验协议、消融及统计信息尚未验证。 平台推测（待验证）：若 EEG 在线监测同样将多通道信号压缩为固定标量分数，再以 CTM 报警，则分数不变的通道协方差或伪迹变化可能落入类似盲区。可复用的是等价类与分数匹配分析，需改造的是 EEG 分数函数及满足序贯检验要求的校准流程；低信噪比、跨被试差异和小样本可能使分数匹配与误报控制不稳定。一个可检验的小实验是在固定校准与测试划分下构造分数分布近似不变的 EEG 扰动，同时检查 CTM 报警和解码性能变化；近似匹配不能替代理论中的严格不变条件。已有 EEG 相关工作尚未检索确认。