面向矩阵流形 gyrovector 空间的通用注意力框架

基于摘要分析。本文研究非欧几里得注意力模型通常依赖特定几何、难以推广到不同流形的问题，提出通用 gyrovector 空间上的 Gyro Attention（GyroAtt）框架，并在多种矩阵流形结构及 EEG 数据上进行验证。 核心机制是利用矩阵流形所容许的 gyrovector 结构，将向量加法与标量积推广到流形，从而为不同矩阵几何下的注意力计算提供共同基础。研究对象包括对称正定（SPD）、对称半正定（SPSD）与 Grassmannian 流形；相较于针对单一几何设计注意力模型，本文的主要贡献定位于统一框架。摘要未给出注意力权重的具体定义、几何运算实现或训练目标，尚不能判断不同实例共享哪些计算模块。 作者报告，在 SPD 流形上的三种 gyro 结构、SPSD 流形上的三种 gyro 结构及 Grassmannian 流形上的一种 gyro 结构中实例化了 GyroAtt，并通过四个 EEG 数据集的实验展示框架有效性。摘要未提供数据集名称、EEG 任务、被试规模、信号到流形表示的构造方式、被试内或跨被试等划分协议，也未列出基线与量化指标，因此不能据此判断提升幅度或跨被试泛化能力。 阅读全文时，值得核对不同几何实例之间的适用条件、比较协议是否一致，以及性能变化能否归因于注意力机制而非输入表示差异。具体实验协议、消融及统计信息尚未验证；代码、计算成本与复现条件也尚未确认。该研究已直接使用 EEG 数据，但其对具体 BCI 任务的适用范围仍需依据全文确认。