让 SSM 成为 ConvNet：基于最优张量收缩的状态空间建模

基于摘要分析。本文研究原始音频处理中的状态空间模型（SSM）网络设计与训练效率，提出 Centaurus：将广义 SSM 块的训练运算表示为张量收缩，并为各块系统确定最优收缩顺序，从而拓展传统深度可分离 SSM 的结构选择。 核心机制是把计算执行顺序与块结构设计结合起来。作者借鉴经典卷积块中的分组卷积、完整卷积及瓶颈结构，构建由不同类型 SSM 块混合组成的异构网络，以权衡网络规模、任务性能，以及训练和推理的内存与计算效率。这里的卷积设计启发不等于网络必须使用显式 CNN 运算；具体参数化、收缩顺序的优化目标与搜索过程尚未验证。 作者报告，在关键词识别、语音去噪和自动语音识别（ASR）任务上，异构 Centaurus 优于其同构对照网络。摘要未提供数据集、数据划分、评价指标、数值结果及对照的资源匹配条件，因此不能量化优势。作者还声称，Centaurus 是首个具有竞争性 ASR 性能、且可完全由状态空间运算构成的网络，无需非线性递归（如 LSTM）、显式卷积或替代性注意力机制；这一首次性与性能表述仍需结合全文及相关工作核对。实验协议、消融及统计信息尚未验证。摘要称代码作为补充材料提供，但实现与复现条件尚未核验。 平台推测（待验证）：可迁移的假设主要是计算与结构设计，而非已经证实的 EEG 表征优势。原方法依赖序列数据及具体 SSM 参数化；任务监督、序列长度和训练规模尚不明确。若 EEG 中的时间建模与多通道混合构成计算瓶颈，可尝试复用张量收缩优化和异构块组合，但需改造输入通道组织、输出头及训练协议。低信噪比、跨被试差异、通道变化与小数据可能使音频任务上的优势失效。一个可证伪的小实验是在固定 EEG 任务和相同跨被试划分下，以匹配参数量及训练预算的同构 SSM 为对照，比较异构设计的任务指标、训练耗时与峰值显存。已有 EEG 相关工作尚未检索确认。