知己知邻：使用递归超网络的句法引导自监督组合式句子表征学习框架

基于摘要分析。本文研究自然语言处理中的句子表征学习，提出以 recursive hypernetwork（递归超网络）沿句法解析树递归组合词表征的自监督框架。其核心是分别维护句法表征与语义表征，并用句法信息引导语义组合，而非简单平均词表征。 机制与训练：框架依赖句法解析树提供组合结构，并引入六项自监督训练任务。摘要未展开各任务定义、损失形式、超网络如何生成或调节组合算子，以及句法表征的具体获取方式，这些实现细节尚未验证。 评估与结论：在摘要所述的七项 probing tasks（探测任务）评估中，作者报告生成的句子表征比平均池化基线及其所称的先进替代方法编码了更丰富的语言信息。作者还报告通过消融研究考察六项自监督任务的影响，并观察到表征在不同句长下保持稳定、语义组合算子能够适应不同句法类别。摘要未提供数据集、划分、具体基线、指标数值及稳定性的操作定义，实验协议、消融及统计信息尚未验证。 适用边界：主要研究对象是具有词序与句法树结构的自然语言句子，而非 EEG 或 BCI 信号。其组合机制依赖明确的语言结构，现有材料未给出与神经信号结构的具体对应关系，因此不足以据此提出直接迁移结论。复现前需核对解析树来源、六项训练任务、探测协议及实现资源；已有 EEG 相关工作尚未检索确认。