TorchSpatial：面向空间表征学习的位置编码框架与基准

基于摘要分析。TorchSpatial 面向地理空间表征学习中的位置（点）编码问题，提供统一实现框架、LocBench 基准及地理偏差评估工具，旨在支持位置编码模型的开发、比较与复现。其主要研究对象是 GeoAI 中的地理位置表征，而非 EEG/BCI 信号。 作者介绍的框架包含三个部分：统一整合 15 种常用位置编码器；构建涵盖 7 个地理感知图像分类数据集和 4 个地理感知图像回归数据集的 LocBench；提供同时衡量模型总体性能与地理偏差的评估指标，并提出 Geo-Bias Score。上述数据集数量反映基准覆盖范围，不代表模型性能提升。尽管研究背景涉及点、折线、多边形、网络及图像等空间数据，本框架明确聚焦位置（点）编码，不能据此认定其已统一支持所有空间数据类型。 作者报告对不同位置编码器的任务表现及地理偏差进行了详细分析，但摘要未提供具体性能数值、编码器排名或偏差改善幅度。各编码器的输入与训练方式、位置与图像信息的融合机制、数据划分、对照设置、Geo-Bias Score 的定义及统计信息尚未验证，因此无法判断哪些方法在何种条件下更优。 材料提供了 TorchSpatial、LocBench 和 Geo-Bias Score 评估框架的公开仓库地址，但代码完整性、数据获取条件与运行环境尚未核验。摘要未涉及神经信号或电极空间建模，不能将其地理任务结果直接视为 EEG/BCI 有效性证据；相关 EEG 工作尚未检索确认。