先组织，再读取：通过结构化状态表示重新思考 Token 混合

基于摘要分析。本文面向具身策略学习，研究源 token 在被查询读取前应如何组织，提出 Structured State Representation（SSR），以“先组织、再读取”替代直接的两两注意力交互，而非仅优化交互的二次计算成本。 机制上，每个 head 内设置跨样本共享的可学习状态中心，作为组织源信息的公共地址。源 token 经竞争性分配与聚合形成随输入变化的状态，随后查询从紧凑状态库中选择性读取。该设计将源信息组织与查询读取解耦；在状态数量固定的前提下，token mixing 具有线性复杂度，无需构造稠密的 query–source 交互矩阵。具体分配函数、训练目标与状态数量尚未验证。 作者报告，在 ACT 和 Diffusion Policy 的受控算子替换实验中，SSR 与标准 attention 表现相当，并在部分设置中取得提升，其中包括使用人类示范的设置。作者报告的定性潜在表示分析提示，其表示几何与任务进程更一致，同时与 Transformer 表示保持较高对应性。摘要未给出数据集、任务规模、指标数值及具体划分，实验协议、消融及统计信息尚未验证，不能据此推断其普遍优于 attention。 平台推测（待验证）：若 EEG 时序或时空 token 存在可重复的潜在状态，SSR 的“聚合后读取”机制可能适用于压缩长序列交互。可复用的是状态组织与读取算子，需改造 EEG token 编码、通道与位置信息处理；跨被试差异、低信噪比和小数据可能使共享状态中心聚合噪声或忽略短暂事件。一个可证伪的小实验是在同一 EEG 编码器、数据划分和训练预算下，仅替换 attention 为 SSR，分别核对被试内与跨被试性能及计算开销。该实验属于迁移假设，不是本文结果；已有 EEG 相关工作尚未检索确认。