瞬时高维几何为高效动作选择提供稳定的联合表征子空间

本研究探讨人脑如何根据情境将相同输入映射到不同动作，以及这种灵活动作选择如何同时获得表征可分性与时间稳定性。作者使用 EEG 解码分析认知控制表征的几何结构及其动态，提出瞬时的表征维度扩展与稳定的联合表征子空间共同支持高效动作选择。基于摘要分析，未取得论文全文。 研究中，参与者完成情境依赖的动作选择任务；强制反应程序用于探查神经轨迹不同状态下的动作选择。其核心问题是：相似的输入神经状态能否因情境而被区分，同时相关信息能否在一段时间内保持稳定，以支持稳健读出。这里的高维几何指神经表征状态空间的性质，并非新发布的神经网络架构。 作者报告，在成功反应之前，表征维度出现瞬时扩展，并使联合表征子空间相互分离；在同一时间窗口内，表征动态趋于稳定。作者还报告，进入这一稳定、高维状态能够预测单试次表现。摘要未提供预测指标、效应量或时间窗口的具体数值，因此不能量化其预测能力，也不能据此认定该状态对成功反应具有因果作用。 核对或复现时，关键是确认表征维度、子空间分离与时间稳定性的操作定义，以及这些量如何从 EEG 解码结果中估计。被试数、任务条件、预处理、训练与测试划分、预测评估协议、消融及统计信息尚未验证；摘要也未说明结论是在被试内还是跨被试设置下获得。该研究直接涉及 EEG 与认知控制，但材料并未验证在线 BCI 解码性能或跨会话泛化，不能将其行为预测结果等同于 BCI 系统收益。