双曲多模态持续学习

基于摘要分析。本文研究双曲空间中的多模态表征如何在持续学习中保持已有知识，提出表征保持的几何理论，并据此构建兼顾旧有几何结构与新任务适应的持续学习框架。主要研究对象是具有跨模态层级语义结构的通用多模态学习，而非 EEG 或 BCI。 机制方面，作者提出，防止遗忘需要跨模态表征在共享双曲等距变换下保持不变，并将双曲持续学习中的遗忘区分为语义关系漂移与层级相关畸变。因此，框架同时关注跨模态关系结构和层级几何的保持，而不只是笼统约束表征变化。摘要未给出该理论成立的具体假设、约束实现、损失函数、训练流程，以及是否依赖旧任务样本或其他记忆机制。 作者报告，在持续多模态基准上的实验支持所提方法的有效性；摘要未列出数据集名称、任务序列、数据划分、对照基线或定量指标，实验协议、消融及统计信息尚未验证，不能据此判断其收益幅度或适用边界。 平台推测（待验证）：若 EEG 与另一模态的配对任务确有可验证的层级语义结构，该几何保持思路可能用于检验连续任务学习中的跨模态对齐退化。可复用的是关系与层级结构保持原则，需改造的是 EEG 编码器、模态对齐方式和任务构造；其对配对监督、数据规模及层级结构质量的依赖尚不明确。低信噪比、通道变化、跨被试差异和小数据可能使几何约束保留噪声或妨碍适应。一个可证伪的小实验是在固定数据划分与相同训练资源下，对照无几何保持、仅关系保持及同时保持关系与层级的模型，检验旧任务遗忘与新任务性能是否同步改善。已有 EEG 相关工作尚未检索确认。