PhysioTRACE：面向生理信号基础模型的采集来源感知压力测试

基于摘要分析。该研究针对生理信号基础模型可能利用采集条件与诊断之间的关联形成预测捷径的问题，提出 PhysioTRACE：面向冻结编码器的四轴行为审计，区分“探针能够解码采集来源”与“固定任务头实际依赖采集来源”，并检验去除相关表征成分是否有效且保留任务效用。 四个审计轴分别为：Recover 衡量采集来源的可解码程度；Stress 在同一组留出记录上仅反转采集来源与目标的关联；Intervene 去除在训练数据中定位的采集来源成分；Verify 在预先声明的效用容差内，将该去除操作与匹配随机投影比较，仅在满足条件时认证补救方案。最终结论分为不依赖采集来源、存在依赖且补救获认证、存在依赖但补救被拒绝三类，而非仅凭来源可解码就判定模型使用了捷径。 作者报告，在涵盖 EEG、ECG、五种训练目标及五个冻结基础模型的评估中，Recover 校准分数与分布外效用的关系在不同数据集间发生符号反转，表明二者不能替代直接的依赖测试。在人为构造已知捷径的配对 EEG 视图上，反转关联使暴露于捷径的任务头 AUROC 下降约 0.2，而对照任务头不受影响；对所测试的两种编码器目标，去除秩为二的成分均获认证，恢复到对照水平的行为，且未测得任务效用损失。 作者还报告，在真实 ECG 设备元数据上，审计产生了全部三类结论：一项获认证的补救去除了某模型 91% 的额外脆弱性；设备与诊断关联很弱时未发现依赖；另一模型的定位方向同时承载任务信号，因此补救被拒绝。 该方法与 EEG 基础模型评估直接相关，但上述证据不等于已验证具体 BCI 任务收益。数据集、模型名称、样本规模、数据划分、关联反转的具体实现、效用容差、随机投影匹配方式、消融及统计信息尚未验证；复现时需核对这些条件，尤其是来源成分定位与留出审计之间的隔离方式。