SaFARi：用于框架无关表示的状态空间模型

基于摘要分析。该研究面向在线函数逼近与具有长程依赖的数据建模，提出 SaFARi（SSMs for Frame-Agnostic Representation），旨在使状态空间模型（SSM）的构造不再局限于少数多项式基，而可使用任意框架（frame）或基（basis）。作者提出，该框架涵盖 HiPPO，并允许构造更多类型的 SSM。 核心方法贡献在于推广 SSM 的表示构造方式，而非摘要中已得到验证的某个任务性能提升。这里的 frame 指函数表示中的数学框架，不是视频帧。摘要未给出具体构造公式、适用条件、离散化方法、训练或推理流程，也未说明不同框架与基如何影响表示误差、数值稳定性和计算成本；这些内容尚需全文核对。摘要未提供数据集、评估协议、对照基线或结果指标，实验协议、消融及统计信息尚未验证。 平台推测（待验证）：若 SaFARi 的一般化构造能兼容适合振荡信号的表示基，其潜在对应问题是 EEG 中长时依赖与多时间尺度结构的建模。原方法依赖可用于函数表示的框架或基，但其对采样结构、监督信息及数据规模的要求尚不明确。可考虑复用 SSM 表示构造思路，而 EEG 多通道输入、采样率差异及跨被试变化的处理仍需另行设计；低信噪比、通道差异和小样本可能使理论表示能力无法转化为稳定的解码收益。 一个可检验的假设是：在固定 EEG 任务、被试内或跨被试划分、训练预算及状态维度后，比较 HiPPO 构造与 SaFARi 中一种明确可实现的非多项式构造，检查任务指标、噪声敏感性和计算成本是否改善。此建议仅为迁移验证思路，不是论文已报告的 EEG 结果；已有 EEG 相关工作尚未检索确认。