SPACE：通过反事实淘汰构建流式视频记忆的稀疏预测吸引子

基于摘要分析。该研究面向固定容量的流式视频记忆，研究连续淘汰历史内容如何累积改变记忆所能支持的未来表征。作者提出 SPACE（Sparse Predictive Attractor via Counterfactual Eviction），依据不同淘汰动作对应的预测未来选择记忆更新策略，而不只以保留信息量或下游准确率评估记忆。 核心机制是将“预测状态”定义为保留历史所支持的未来表征，使用冻结的多时间跨度 JEPA 预测不同淘汰动作诱导的未来。反事实效用用于识别对未来有用的备选动作，缓慢变化的预测吸引域几何则用于区分应纠正的可避免漂移与应适应的持续预测变化。摘要明确，该过程不进行在线参数更新；预测器的训练方式、反事实效用计算及几何判据的具体实现尚未验证。 作者还提出 MABS-Bench，在匹配因果流与记忆预算的条件下，评估未来任务充分性、同一状态区间内的预测稳定性、转变响应和扰动恢复。作者报告，在多个视频数据集上，SPACE 持续改善各数据集原有任务的表现并减少预测状态漂移；摘要未提供数据集名称、任务指标、数值或基线细节，实验协议、消融及统计信息尚未验证。 平台推测（待验证）：其与 EEG 的潜在对应是受限缓存下的长期流式历史选择，而非已验证的 BCI 解码算法。迁移假设依赖于能够从 EEG 历史预测有意义的多时间跨度表征；可借鉴淘汰动作比较框架，但需改造视频表征预测器及变化判据。低信噪比、伪迹、跨被试差异与小数据可能使预测误差被误当成状态转变。一个可检验的小实验是在固定 EEG 解码器、缓存预算和因果输入条件下，比较该策略与 FIFO 对后续任务表现及扰动恢复的影响。已有 EEG 相关工作尚未检索确认。