基于子句—文字超图上极性感知表征学习的不可满足核预测

基于摘要分析。本文研究布尔可满足性（SAT）中的不可满足核预测，提出子句—文字超图上的极性感知表征学习框架，旨在同时捕捉子句与文字的高阶结构交互，以及同一变量正、负文字之间的互补关系。 作者指出，既有二部图或有向无环图表示不够直接地刻画子句级及高阶交互，也难以充分建模 SAT 内在的极性属性。所提方法以子句—文字超图表示 SAT 公式，并辅以子句关联图；通过极性感知分解，将变量表征拆分为极性不变分量与等变分量，再沿超图传播由此获得的文字表征。训练中还加入极性反转一致性正则化，以强化表征的极性一致性。摘要未给出具体分解公式、传播算子、预测头或正则项形式，尚不能判断其约束的精确定义及实现成本。 作者报告，该方法在多个 SAT 数据集上的实验支持其有效性，但摘要未列明数据集名称、划分协议、对照方法、评价指标或数值增益。实验协议、消融及统计信息尚未验证；复现需进一步核对子句关联图构造、极性变换规则、不可满足核监督方式和训练配置。 该研究的主要对象是离散逻辑公式，而非 EEG 或 BCI。其机制依赖明确的子句—文字结构与正负极性关系；现有材料未提供这些结构与神经信号之间的具体对应，因此不据此推断 EEG/BCI 效果，也不提出迁移实验建议。相关 EEG 工作尚未检索确认。