核空间中的对抗式概念擦除

基于摘要分析。本文研究文本神经模型表示中可解释概念的编码与移除问题，提出对已有线性概念移除目标进行核化，以应对概念信息不一定局限于线性子空间的情况。主要研究对象是文本表示及其中的二元性别概念，而非 EEG 或 BCI。 传统线性概念移除方法识别并去除与目标概念对应的线性子空间，具有易处理、可解释的优势，但原表示中的非线性预测器仍可能恢复概念。本文以核化方式扩展这一目标。作者报告，在摘要所述的概念恢复评估中，该方法能够抵御某些非线性对手；具体核函数、优化目标、对手模型、数据划分及效果数值尚未验证。 作者同时报告，在二元性别概念及其中和任务中，未发现一个核空间能够独占全部概念相关信息，因此难以同时防御所有非线性对手。这一区分很重要：限制特定预测器恢复概念的能力，不等于证明表示中已不存在该概念信息。实验协议、消融及统计信息尚未验证。 平台推测（待验证）：该机制可用于探索 EEG 表示中被试或会话信息的可恢复性，但文本领域的结果不构成 BCI 有效性证据。迁移假设是，在具备被试或会话标签的固定 EEG 表示上，核化概念擦除可能抑制部分非线性身份信息，同时保留任务信息。可复用概念擦除与对手评估思路，需改造表示提取、核选择及任务保留评价；低信噪比、通道差异和小样本可能使核方法过拟合，被试信息与任务信息耦合也可能造成性能损失。小规模检验可在相同数据划分下比较未擦除、线性擦除与核化擦除，分别测量未参与擦除优化的非线性对手恢复能力及下游任务表现。已有 EEG 相关工作尚未检索确认。